基于免疫Agent的网络安全模型

借鉴现代免疫学理论，是解决网络安全问题的新的有效途径。分析了生物的免疫应答机理，利用B细胞网络模型与Agent技术，设计了一个基于免疫Agent的网络安全模型。该模型由产生多样性抗体、识加自我和识别非我等过程实现，并且具有分布性、健壮性和自适应性等特点。     

AIS简介及其在国际航行船舶检疫中的应用研究

简要介绍了船舶自动识别系统(AIS)和国际航行船舶检疫工作面临的挑战。利用AIS的特点和优点,将AIS应用于国际航行船舶检疫工作中,研发了国际航行AIS船舶电子监管系统,并重点介绍了系统功能。     

基于免疫计算的多Agent决策支持系统及其在海上航天测控领域中的应用

介绍了人工免疫系统的概念以及基于人工免疫计算的多agent决策支持系统，探讨和分析了该系统在海上航天测控领域的应用。     

船载导航仪器信息融合的研究

应用信息融合技术对船上多种导航传感器信息综合处理是解决信息过载，提高导航数据精度有效的技术途径。采用改进的模糊径向基高斯函数神经网络算法，进行了AIS／GPS和雷达信息融合的研究。经融合处理后的数据精度提高了两个数量级。这说明多传感器数据信息融合将是提高船舶导航信息的精度、可靠性的有效措施。     

A Secure Adaptive Routing Strategy Using Immune Mechanism in MANET

Many protocols have been proposed to in- crease efficiency and security of traditional protocols in Mobile ad-hoc networks （MANET）, but they are all facing the problem of computation overhead which leads to im- practicability. Adaptive routing strategy （ARS） is a novel routing strategy that switches routing protocol according to the network condition. Though this method alleviates the problem of efficiency, it doesn＇t cover the secure issues. We integrate our security mechanism based on Artificial immune system （AIS）, with adaptive routing strategy to enhance efficiency and security. First we presented a more appropriate definition to the measurement of network con- dition, then we designed a secure adaptive routing strategy based on the definition. At last, we gave a performance analysis to validate the correctness and reliability of our scheme.     

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统( AIS )的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法( FastICA)。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差( SMSE)变小,信干比( SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。     

视频与AIS信息融合的海上目标检测

提出了一种视频与AIS信息融合的海上船只目标检测方法。首先结合AIS信息确定船只所在区域,提取小范围图像,然后对图像进行高频加强滤波处理,增强船只目标与海面背景的对比度,利用显著性区域检测方法生成显著性图像,随之采用双阈值分割提取高显著性目标,最后通过形态学处理判断船只目标。实验结果表明,该方法适应性强,能够准确快速地实现船只目标提取。     

基于aiNet人工免疫网络的遥感图像检索

受多方面因素的影响,图像在特征空间中的分布是非常不均匀的,往往围绕多个中心。为了解决多个特征中心的问题,提出了一种基于aiNet人工免疫网络的遥感图像检索算法。该算法根据免疫网络机理及相关反馈技术,利用aiNet人工免疫网络对用户的反馈信息进行学习记忆,能有效寻找多个最优解,提高了系统对用户语义的理解能力。由于该网络具有减少冗余、多样性、学习和记忆的特性,避免了传统算法容易陷入局部最优的缺点。实验结果表明,该算法能有效理解用户的反馈信息,提高了传统检索方法的准确性。     

入侵检测系统中基于免疫的克隆选择算法

机体免疫系统的许多有益特性被应用予入侵检测系统，使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到诸多问题之后，提出了一个基于免疫的克隆选择算法。该算法采用一种新的基因型与表现型的表达方式，利用全新的匹配方法，引入反向选择算子，对入侵检测的人工免疫模型进行了有效改进。     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。