SVM-RBF网络在混沌时间序列预测中的应用

混沌时间序列预测是非线性动力学研究中一个很重要的问题.支持向量机是一种基于统计学习理论的新颖的机器学习方法,为混沌时间序列的预测提供了一种有效的算法思想.本文基于支持向量机与径向基神经网络在结构上的相似性,将支持向量机用于径向基神经网络中心的选取,并对混沌时间序列进行预测,仿真结果表明,其效果优于其他方法.     

基于像素比例法和GA-BP的单相电表读数识别

对单相电表表盘读数的显示特点进行了研究,针对在电表表盘末位刻度识别中存在识别困难,识别率低的情况,提出了像素比例法这一精确识别方法.对初始图像采用大津二值化法,中值滤波法进行预处理,用投影法分别对字段及单个字符进行分割.采用GA-BP算法识别表盘读数.在样本集下单整字识别率为99.2%,非整字识别率为97.7%.实验结果表明,该方法对刻度有较高的识别精度.     

基于正则表达式的动态应用层协议识别方案

传统依赖于端口号的应用层协议识别方法对大量具有随机端口的应用不再适用,设计一种基于正则表达式的动态应用层协议识别方案。在深入分析DFA状态数对算法性能影响的基础上,提出了构造最优DFA状态数的算法,该算法保证在任意有限的系统资源下具有最小的时间复杂度和空间复杂度,并且将报文匹配方式和One-Pass扫描算法相结合进行测试。实验表明此方案具有较低的资源消耗率,较高识别效率和识别精度。     

快速高效的模式匹配算法的剖析与改进

考虑到处理性能和内存开销两大因素,模式匹配成为网络入侵检测系统(NIDS)中最为关键的一环,而现有内存消耗较少的算法性能一般较差.因此,提出一种专为入侵检测领域设计的Modified-Piranha(MP)算法,它基于排斥思想,并采用位图法、优化高速缓存和状态重排思想对Pranha算法中的哈希表进行了改进,进一步减少了匹配步骤和内存访问次数,极大地提升了模式匹配的效率.实验结果表明,相对目前先进的模式匹配算法,MP算法能显著提升Snort的性能,能减少10.8%～36.7%的处理时间,节省5.6%～38.9%的内存使用.     

南海某高温高压井剪切破裂上限压力时变规律研究

成像测井显示南海某高温高压井钻进过程中高密度钻井液不仅导致井壁拉伸缝,还诱发井壁高角度梯形剪切缝。为此,通过分析井周应力和裂缝形状,根据不同的应力组合模式,建立了一套以莫尔-库伦准则为基础的剪切破裂压力计算模型。在此基础上,定量分析了拉伸破裂模型和剪切破裂模型计算所得破裂压力的大小,给定了两个模型的适用范围,并进一步分析了破裂压力随钻井循环时间的变化规律。分析认为,地层强度较小时,剪切破裂压力决定钻井液密度上限;地层强度较大时,拉伸破裂压力决定钻井液密度上限;随井周温度降低,两种破裂压力均降低,但是拉伸破裂降低得更快。