基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。     

基于STL文件的笛卡尔网格生成方法研究

采用从STL文件中直接获取模型几何数据的方法,利用ADT数据结构快速剔除相同顶点,提出一种新的“推进查找”方法替代以往网格单元是否在物面内部的判定方法,避免了对物面的自封闭要求,无需进行几何重构,直接完成网格生成,更进一步提高了自适应笛卡尔网格生成速度和自动化程度,为实现CAD与CFD的之间的数据对接提供了一种新的方式。     

航空发动机的表面涂层技术

结合实际应用,对发动机上各主要部件所使用的涂层及其工艺与性能特点进行了描述,并介绍了目前航空发动机涂层技术的分类和使用情况.     

高速碰撞中Lagrange有限元方法及其应用

根据连续介质力学守恒方程和有限元离散方法,针对三维高速碰撞现象的特性,应用瞬时最小闰能原理,完整地推导了高速碰撞有限元基本列式和离散方程,并给出了高速碰撞问题的中心差分求解算法,讨论了非线性Ｌａｇｒａｎｇｅ动力有限元程序数值计算中应重视的问题,本文给出的典型算例说明本方法对高速碰撞问题分析的有效性。     

航天器动力学环境分类与数学描述研究

结合航天器动力学环境的主要技术背景和我国航天型号研制的实际情况,通过分析研究美国宇航局标准NASA-HDBK-7005《动力学环境准则》,介绍航天动力学环境的主要分类以及描述方法,阐释航天动力学环境冲击响应谱的计算力学系统及其相关标准的应用。     

基于依存句法的图像描述文本生成

现有图像描述文本生成模型能够应用词性序列和句法树使生成的文本更符合语法规则，但文本多为简单句，在语言模型促进深度学习模型的可解释性方面研究甚少。将依存句法信息融合到深度学习模型以监督图像描述文本生成的同时，可使深度学习模型更具可解释性。图像结构注意力机制基于依存句法和图像视觉信息，用于计算图像区域间关系并得到图像区域关系特征；融合图像区域关系特征和图像区域特征，与文本词向量通过长短期记忆网络（LSTM），用于生成图像描述文本。在测试阶段，通过测试图像与训练图像集的内容关键词，计算2幅图像的内容重合度，间接提取与测试图像对应的依存句法模板；模型基于依存句法模板，生成多样的图像描述文本。实验结果验证了模型在改善图像描述文本多样性和句法复杂度方面的能力，表明模型中的依存句法信息增强了深度学习模型的可解释性。      

基于层面结构的三维闭合地质区块构造算法

复杂地质体几何模型的建立是油气勘探开发领域的一项重要工作,在介绍目前地质体几何建模方法的同时,分析了表面建模方法与实体建模方法相互之间的融合趋势,提出了一种基于三角网格模型的整体建模过程,并在地质体层面三角网格模型的基础上,提出了一种改进的半边数据结构,给出了一种三维地质体闭合区块结构的构造算法,该算法为进一步的地质体实体模型的建立奠定了基础,并且可应用于地震正演模拟计算,射线追踪和三维地质模型可视化等领域.     

基于知识本体的资源管理平台框架设计与实现

针对大量领域信息资源缺乏有效内容分析这一问题,设计、开发了通过构建领域本体来充分发掘信息资源之间内在关系,实现信息资源增值服务的原型系统.首先构造了服装知识本体CO(Costume Ontology)用来表示服装领域知识.利用CO对被管信息资源进行语义描述,在描述数据库的基础上,实现基于语义的信息检索.讨论了服装知识本体的建模过程,本体的形式化表示以及存储方式.实验系统采用J2EE架构,开发了存储组件、语义查询接口组件、语义分析组件和语义推理组件.通过使用资源描述框架RDF,实现被管信息资源到知识本体层的映射.通过语义分析和语义推理,可以充分利用信息资源之间的关系实现相关信息资源检索与语义融合.     

基于分形协方差函数的自然纹理描述与分类

研究了自然纹理图像的描述与分类的方法,提出了基于分数布朗运动模型及其协方差函数的方法.分数布朗运动的协方差函数被用来估计自然纹理特征的Hurst系数和常数k.2个子图像的5个特征组成10个特征的特征集.与直接从原始纹理图像获得特征矢量不同,该方法的10个特征矢量是分别基于大于图像灰度平均值的图像和小于图像灰度平均值的图像得到的.以纹理图像的平均值为阈值,可以得到2幅子纹理图像.从每个子纹理图像提取出5个特征,它们分别是横向、纵向和45°方向的常数,横向和纵向距离为2的Hurst系数.2个子纹理的5个特征组成10个特征的特征集.从Brodatz纹理集选出的16种纹理图像被用来检验描述和分类效果,分类结果显示该方法具有很好的自然纹理的描述和分类能力.