神经网络集成的分布式入侵检测方法

分布式入侵检测系统需具有分布式检测功能及部件增量更新能力.文中提出了一种基于神经网络集成的分布式入侵检测方法,采用单个Agent检测与多个Agent协同检测的两级集成算法实现分布式入侵检测;在发现新的入侵时,Agent上的神经网络集成采用基于资源分配网的增量学习算法进行更新.实验结果表明,该算法能有效检测各种攻击,并且具有对未知攻击的增量学习能力.     

少数类的集成学习

传统机器学习中研究的分类问题通常假定各类别是平衡的,但在很多场合各类别的出现概率相差很大,而且很多应用中需要区分重要而稀少的少数类.本文比较了3种基于AdaBoost集成学习方法,并推导出他们的精度几何平均(GMA)的下界.分析表明:类别越不平衡,这3种方法越难以通过提高基分类器准确率来提高GMA.在此结论的基础上,以Bagging为基础提出了单边Bagging算法,该算法只对多数类抽样,而保留所有少数类,因而每轮的训练集是类别平衡的,并通过UCI数据集验证了其有效性.     

线程集成技术在嵌入式系统中的应用

介绍了线程集成技术在通用和微处理器或微控制器上实现实时任务并行性的新方法。利用后级编译技术在指令级代码中融合多个控制线程，实现指令级并行，提高了系统资源的利用，改善了系统性能，从而达到用软件代替专用外围硬件的功能，文中介绍了线程集成的概念，线程集成过程的主，客线程的表示方法，代码转移的原理，应用及实验结果。     

基于ELMD与改进SMSVM的机械故障诊断方法

机械振动信号携带大量重要的机械状态信息,然而机械故障振动信号在复杂工作状态下通常呈现非平稳、非线性特性。因此,从振动信号抽取和选择有效的机械故障特征、提高故障识别性能,成为机械故障诊断研究的热点。针对上述问题,本文提出了基于集成局部均值分解(Ensemble local means decomposition,ELMD)与改进的稀疏多尺度支持向量机(Sparse multiscale support vector machine,SMSVM)的机械故障诊断方法。该方法首先使用自适应非线性、非平稳信号处理方法 ELMD把多模态调制故障信号分解成为多个单模态解调信号,有效地增强了故障特征。把压缩感知和多尺度分析技术融合于故障模式分类中,提出改进SMSVM旋转机械故障识别方法,提高多类机械微弱故障数据模式识别性能。该方法融合稀疏表示、多尺度分析和SVM的优点,无需求解复杂的优化问题,易于推广至更多尺度SVM,具有计算量少、泛化性与鲁棒性好、物理意义明显等优点。人工数据和实验设备数据验证了本文算法的优越性。     

基于策略模式的缺损数据处理方法

缺损数据处理是个数据质量管理难题,本文提出了基于策略模式的缺损数据处理方法,旨在提高异构数据源集成工具的可扩展性.它封装了各种有效的缺损数据处理算法,使客户可以根据自身不同的使用要求(如时间、空间)来权衡取舍不同策略中的算法,如简单处理、KNN算法.     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

局部Bagging方法及其在人脸识别中的应用

Bagging方法无法在稳定的分类器(如最近邻分类器)上构建多样的分量分类器,因此它不适合于稳定的分类器.同时,小样本特性Bagging也很难应用于人脸识别等任务中.本文提出了一种局部Bagging(L-Bagging)方法以同时解决上述两个问题.L-Bagging和Bagging的主要区别是L-Bagging在每个事先划分好的局部区域内进行自助集的采样而不是如Bagging那样在原始的样本集上采样.由于局部区域的维数通常远远小于训练样本数,并且分量分类器又是构建在不同的局部区域上的, 因此 L-Bagging方法不仅有效地解决了小样本问题,而且产生了更多样的分量分类器.在4个标准的人脸数据库(AR,Yale,ORL和Yale B)上的实验结果表明所提出的L-Bagging方法是有效的,并且对光照、遮挡及轻微的姿态变化是鲁棒的.     

数据库系统测试方法与技术探讨

数据库系统测试是针对数据库系统开发的三个阶段进行的,即集成测试、数据验证、系统测试。不同阶段采用的测试技术不同,集成测试是对数据库设计的检测,数据验证是针对数据库系统程序设计的检测,系统测试是针对数据库系统产品的整体性能检测。     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

基于多Agent的分布式制造执行系统模型

提出了一种开放式、模块化、分布式、可配置、可集成和可维护的基于多Agent的制造执行系统(MES)模型。首先分析了制造系统中的制造执行系统域，然后提出了基于多Agent的MES模型，采用UML图表详细分析了该模型的MES功能实现，最后给出了实施的MES系统框架。该MES系统易与企业资源计划(ERP)、车间控制系统(FCS)及其他制造系统相集成。     

多重加权双向联想记忆模型及决策性能研究

Ｃ Ｃ Ｗａｎｇ等利用Ｋｏｓｋｏ的双向联想记忆模型（Ｂｉｄｉｒｅｃｔｉｏｎａｌ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ，ＢＡＭ），构造了由多个ＢＡＭ构成的多重ＢＡＭ（Ｍｕｌｔｉ－ＢＡＭ）决策模型，使之可以应用于多证据推理，获得了Ｍｕｌｔｉ－ＢＡＭ的决策性能。作者在此基础上，通过对各ＢＡＭ引入不同的权值来模拟各专家不同的权威度，构建了相应的多重加权ＢＡＭ（Ｍｕｌｔｉ－ＷＢＡＭ）模型，证明了该模型在同、     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

煤炭开发供应能力系统动态模拟与分析

煤炭开发供应能力是煤炭基建与生产、供销与运输能力的综合反映。能源要求和供应矛盾的解决将主要取决于经济系统的运行情况。因此，在研究煤炭供应能力时，应把它作为一个系统来对待。本文根据系统动态学原理和方法，将影响煤炭开发供应能力的主要因素作为一个社会经济系统，建立和编制了全国煤炭开发供应能力系统动态学模型，主要用来预测至２０５０年我国煤炭开发供应能力及考察投资数量、新矿井（矿区）投产、矿井建设周期、矿井生产能力利用率的变化对煤炭开发供应能力的影响。     

基于双光场相机的高分辨率光场三维PIV技术

光场相机粒子图像测速（Light Field Particle Image Velocimetry，LF-PIV）是一种近几年新发展起来的流动测试手段，能够仅通过单个光场相机测量3D-3C瞬态速度场，简化了三维流场测量的实验复杂度，特别是能实现受限空间的三维速度场测量。然而这一技术尚存在一些不足:由于光场相机沿景深方向的空间分辨率较低，沿该方向的速度测量精度低于垂直于景深方向的测量精度。本文尝试从硬件角度入手，发展一种双光场相机流动测试技术，通过增大对示踪粒子的观察视角，来提高光场三维测量系统沿景深方向的空间分辨率。基于乘积代数迭代技术（Multiplicative Algebraic Reconstruction Technique，MART），开发了针对双光场相机的粒子三维重构算法。分别利用直接数值模拟（Direct Numerical Simulation，DNS）水射流的数字合成图像与低速水射流涡环的实验图像，将双光场相机的测量结果与单光场相机的测量结果进行对比分析研究。结果表明双光场相机与单光场相机相比显著提高了相机沿景深方向的测量精度。     

基于多分类器决策融合的印鉴真伪鉴别方法

印鉴的自动识别对于实验银行印鉴数字化及计算机管理，实现银行对公业务的通存通兑有重大意义，符合票据法的要求，是银行业发展的需要，本文研究了模式识别领域中印鉴识别这一问题，提出了特征抽取和分类的新方法，基于差图像的成分统计特征抽取方法，发展了骨架图像的结构特征抽取方法，提出了特征点距离特征和笔划曲率特征内两种新的有效特征，本文提出了基于支持向量机（support vector machine,SVM)多分类器融合印鉴鉴别的方法，试验结果表明，本文的方法大大提高了印鉴的鉴别能力和可靠性，效果令人满意。     

基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络，通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移；然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移，得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动，能够将空间分辨率提高到单像素精度。误差分析发现，该方法获得的测速精度略优于传统单像素系综平均互相关算法，且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

高超声速低密度风洞带中心锥型扩压器性能研究

扩压器是超/高超声速风洞的关键部件之一，直接影响风洞运行的费效比。然而，对于高超声速低密度风洞而言，试验运行参数范围大、试验气体密度又相对较低，常规的"收缩段-等直段-扩张段"的扩压器结构扩压作用不明显。提出一种带中心锥型扩压器新结构，并在Φ300 mm高超声速低密度风洞中进行扩压性能试验。研究了M16喷管小流量稀薄状态和M8喷管大流量近连续流状态下带中心锥型扩压器的扩压性能，同时，分析了试验段模型对扩压器扩压能力的影响。结果表明带中心锥结构的扩压器适用的风洞运行参数范围更广、扩压性能更优，能有效提高设备试验能力，可为高超声速风洞扩压器设计提供参考。     

基于管制复杂性的扇区容量评估分析

本文首先阐述了空中交通运输现状,重申了复杂性研究的重要性。为了正确评估管制能力、预测扇区容量,需要采取与管制复杂性相结合的工作负荷评估方法。本文以乌鲁木齐进近01、02号扇区为例,研究了在扇区复杂性相似的情况下,由于交通流差异造成的管制复杂性差异对管制员工作负荷权值以及扇区容量的影响。