SVDD在类别不平衡学习中的应用

在解决单分类问题的支持向量数据描述算法的基础上提出了适用于两类不平衡问题的I-SVDD(imbalance-support vector date description)算法.该算法通过增加样本的分布信息,对带野值的SVDD算法中的C值重新进行了定义.采用该算法对UC I数据集和人工样本集进行实验表明,改进后的I-SVDD算法比带野值的SVDD算法的AUC值平均提高12%以上;比AdaBoost算法在正类查全率上平均提高35%,精确度也提高了2%以上.I-SVDD算法在保证少数类样本高分类精度前提下,还有效提高了全样本的分类精度,更符合现实不平衡问题中对少数类样本的处理要求.

类别不平衡学习识别UWB定位非视距信号

非视距(Non Line of Sight,NLOS)传播是影响超宽带(Ultra-wide Bandwidth,UWB)定位精度的一个重要因素。针对UWB定位中视距(Line of Sight,LOS)信号数量大于NLOS信号数量所呈现的类别不平衡特点,提出了一种基于类别不平衡学习的NLOS信号识别方法。该方法通过给NLOS信号和LOS信号赋予不同的误分代价来训练一个带野值的支持向量数据描述(Support Vector Data Description,SVDD)学习器,实现对数量少但重要的NLOS信号的识别。仿真结果表明,当LOS信号数量远大于NLOS信号数量时,该方法对NLOS信号的识别性能优于支持向量机(Support Vector Machine,SVM)。

基于拓扑信息的网络修复

网络生存性与网络拓扑结构密切相关。该文从拓扑信息与通信传输网络的区别和联系出发,分析拓扑图论与网络生存性的关系,介绍拓扑图论算法在网络修复中的实际应用,对基于网络分割的故障修复算法、基于拓扑结构的修复路径选择算法、用于链路故障保护的P-Cycle算法等进行比较,研究和探讨了目前网络修复中亟待解决的问题。

一种新的基于SVDD的多类分类算法

目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区。提出了一种直接进行多类学习的算法multi-SVDD。该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球。根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类。multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法。

舰船EMC可视化的前置处理研究

建立三维物体的电磁模型是电磁计算及其可视化的重要前提,文中采用有限元法对舰船的几何模型进行网格剖分,生成的电磁模型能比较好的满足电磁计算的要求。在进行网格剖分前,对几何模型进行规则、整合、简化,排除畸形单元,再借用现有的有限元软件ANSYS对模型进行有限元网格划分,生成满足电磁计算要求的三角形或者四边形网格。

一种基于支持向量数据描述的半监督学习算法

为了进一步提高分类器的识别精度,基于支持向量数据描述SVDD(support vector datadescription)和集成学习优点的Ensemble-SVDD半监督学习算法,首先为少量有标记数据的各类数据分别建立SVDD分类器,然后对无标记样本进行测试,利用已识别的无标记样本对已建立的分类面进行调整、优化。被识别出来的无标记数据和有标记数据集合在一起训练一个基分类器,多个基分类器集成在一起投票对测试样本进行测试。在5个UCI数据集上进行实验表明,本算法与tri-training算法相比平均识别精度高3%,与仅采用纯有标记数据的SVDD分类器相比,平均识别精度高6.4%,验证了该算法的有效性。

一种基于聚类分布的支持向量数据描述

在基于解决单类问题的支持向量数据描述算法基础上提出了基于聚类分布信息的c-SVDD算法.该算法对带野值的SVDD算法中的C值重新定义.通过增加核空间下测试样本的聚类分布信息。为每个样本定义一个特定的c值.c-SVDD算法适应于解决类别不平衡学习问题.该算法在保证少类样本高分类精度前提下,还有效提高了全样本的分类精度,更符合现实不平衡问题中对少类样本的处理要求.对UCI数据集和人工样本集进行实验.改进后的c-SVDD算法比带野值的SVDD算法AUC值平均提高0.14以上;比AdaBoost算法在正类查全率上平均提高40%,精确度也提高了至少5%.

通信系统间的EMC预测与仿真设计

文章论述了系统间EMC预测的基本原理,通过采用基于矩量法的数值计算方法探讨了舰载通信系统间EMC仿真软件的设计与实现过程,并简要介绍了该软件的功能和特点。

基于扰动模型的舰船航迹仿真

为满足进行计算机仿真测试的需要 ,建立了舰艇航迹仿真中的扰动模型 ,并通过某舰艇航行时记录的航速、航向、横摇、纵摇数据集 ,根据多维AR模型的原理和方法 ,对扰动模型的系数矩阵进行了初估计和精估计 ,获得相关数据和回归后的拟合图和残差图 ,用于舰艇运动的航迹仿真 ,在某海军基地现场的水面舰艇信息融合测评中 ,取得了较好的效果。

One-Class分类器研究

传统的多类分类问题需要多类样本训练分类器,然而由于样本获取(复杂性或代价)的原因很多情况下只能获取一类样本,故只能利用这一类样本进行学习,形成数据描述从而实现分类,故称之为One-Class分类.鉴于目前单类分类研究存在领域相关方法和通用方法百花齐放的格局,本文首先给出了当前One-Class分类器的研究综述,然后重点针对基于核方法的单类分类器进行分析,将该类方法分为对偶方式和核距离方式两类,并分析各自的特点.最后论文介绍了目前的单类分类器的应用领域,指出其在故障分析、异常检测、疾病诊断和敌我识别等现实问题中的重要作用.

优质啤酒大麦华大麦6号综合栽培措施的数学模型及优化方案

为给高产优质啤酒大麦新品种华大麦6号的大面积推广提供依据，以五元二次回归正交旋转组合设计为基本数学模型，重点研究了华中地区种植密度、有机肥、氮、磷、钾肥用量等因素对华大麦6号产量、粒重和蛋白质品质的综合效应。模型解析发现，在相同栽培条件下，密度、有机肥、氮、磷、钾肥单因子对产量的绝对贡献顺序为氮肥〉有机肥〉密度〉磷肥〉钾肥，对籽粒蛋白质含量的绝对贡献顺序为氮肥〉有机肥〉密度〉钾肥〉磷肥，对千粒重的绝对贡献顺序为磷肥〉钾肥〉有机肥〉密度〉氮肥。计算机模拟寻优表明，当华大麦6号种植密度在191．64万～211．22万株／ha，施有机肥量在19162～24409kg／ha，纯氮量在206．04～242．56kg／ha，磷肥量（P205）在67．30～81．27kg／ha，钾肥量（K20）在61．52～88．48kg／ha条件下时，产量在4800kg／ha以上，籽粒蛋白质含量在10％～12％之间，千粒重〉42g。因此，这些栽培措施的组合可以作为该品种的高产优质栽培技术的推荐方案。

低信噪比突发信号载波频偏估计算法

快速准确的载波频偏估计在突发信号的相干解调中发挥着至关重要的作用。目前的载波频偏估计算法很难同时兼顾估计精度、信噪比(signal-to-noise ratio,SNR)门限以及估计范围等指标。针对这一问题,提出了一种数据辅助的基于接收信号自相关序列离散傅里叶变换(discrete Fourier transform,DFT)的载波频偏估计算法。该算法通过对接收信号的自相关进行加窗处理,借助离散傅里叶变换来实现频率估计。仿真结果表明,与经典的M&M算法相比,该算法具有更低的信噪比工作门限,在低信噪比情况下具有更低的差错概率和更宽的估计范围,非常适合低信噪比突发信号的载波频偏估计。

一种新的卫星导航跟踪段欺骗攻击检测方法

针对中、低动态环境下,卫星导航系统跟踪段存在的欺骗式干扰信号的检测问题,提出一种基于载波相位跟踪谱分析的欺骗检测方法。该方法利用跟踪环路鉴相器输出信号的频谱特性与环路中是否存在干扰信号密切相关,通过对鉴相器输出信号进行谱分析,建立欺骗检测模型,实现了欺骗信号检测。仿真结果表明,利用该方法,在干信比大于4 d B时,通过设置合适的判决门限,采用256点以上快速傅里叶变换,在虚警率不超过0.5%的情况下,能获得100%的检测概率,对跟踪段的欺骗信号具有很好的检测效果。

基于改进隐马尔可夫模型的系统调用异常检测

针对隐马尔可夫模型计算开销过高的问题,提出了一种新的基于隐马尔可夫模型(Hidden Markov model,HMM)的异常检测方法,利用系统调用执行迹具有的局部规律性,用改进的HMM(Improved HMM,IHMM)学习算法来构建程序正常行为模型。在检测时,首先对待测系统调用数据用滑动窗口划分,并通过正常行为模型来判定异常,根据异常短序列占所有短序列的百分比来判断该进程是否行为异常。实验结果显示该方法训练耗时仅为传统方法的1%。当阈值在一个较大范围内变化时,模型的检测性能始终保持稳定。表明本文方法通过避免对大量相同短序列的重复计算,显著减少了训练时间和计算开销,在实际应用中具有良好的可操作性。

应用数学模型对矮啤大麦S500高产栽培及经济效应的研究

采用五因素五水平正交旋转回归组合设计,研究华中地区种植密度、有机肥、氮、磷、钾等因素与矮啤大麦S500产量、千粒重和经济效益的综合效应.对模型解析发现,在供试条件下密度、有机肥、氮、磷、钾单因子对大麦产量的绝对贡献顺序为氮肥>有机肥>磷肥>钾肥>密度,对千粒重的绝对贡献顺序为磷肥>有机肥>钾肥>密度>氮肥,对净收入的绝对贡献顺序为氮肥>有机肥>磷肥>钾肥>密度.计算机模拟寻优表明,密度在219.3-233.13万株/hm^2,有机肥在22050-24975kg/hm^2,氮肥在186.49-208.92kg/km^2,磷肥在91.14-104.68kg/hm^2,钾肥在63.41-82.58kg/hm^2时,大麦千粒重在42g以上,大麦的产量在5000kg/hm^2,净收入在5000元/hm^2以上,足以实现大麦优质高产且经济效益大的目的.

基于K-均值聚类的动态频谱接入技术

为了有效降低次用户接入授权信道时对主用户造成的干扰以及次用户被阻塞的概率,提出了一种基于K-均值聚类的动态频谱接入方法。该方法首先将关注的频谱划分为若干子信道,尔后对每个子信道进行特征提取,借助频谱特征,用K-均值算法对子信道进行聚类,将子信道分别纳入白色、灰色和黑色频谱池。次用户在接入信道时,重点选择白色频谱池中的信道接入。理论分析和仿真结果表明,利用该方法能够有效降低次用户对主用户的干扰和次用户被阻塞的概率,提高信道接入效率。

北斗RDSS应用于通航空管的机遇与挑战

通航空管已成为制约我国通航产业发展的一个重要因素,迫切需要开发适合通航应用的空管系统。针对通航飞行高度低、飞行器种类繁多、飞行区域复杂多变等特点,结合目前民航和通航空管的发展现状与需求,提出了将北斗RDSS应用于通航空管的设想,并给出了北斗RDSS应用于通航空管的基本架构,重点分析RDSS应用于通航空管具备的优势和面临的挑战,为下一步的系统建设提供了思路。

基于SVDD的认知无线电网络仿冒主用户检测技术

为了解决传统主用户感知技术无法检测认知无线电网络中的仿冒主用户(PUE)攻击问题,提出了一种基于支持向量数据描述(SVDD)的PUE检测方法。该方法将PUE攻击检测建模为一个数据不平衡的单类分类问题,采用高效的SVDD算法,在对PUE攻击一无所知的情况下,仅利用认知无线电网络中的合法用户数据训练单类分类器。将待测样本输入训练后的分类器即可实现PUE攻击检测。理论分析和仿真结果表明,利用该方法进行PUE攻击检测,可以获得较低的虚警率和漏检率。

利用PowerPC对多片FPGA并行配置的设计与实现

为了克服JTAG等常用FPGA配置方式存在的下载速度慢等缺点,设计了一种利用PowerPC对多片FPGA进行并行配置的方案。借助PowerPC通用输入/输出口产生控制逻辑,利用其本地总线并行下载配置数据。该方案可以选择8 bit、16 bit以及32 bit位宽下载方式,依次实现对多片FPGA的并行配置。经实测,利用JTAG口对XC6VSX475T芯片进行配置需要48 s,而采用本方案可将配置时间缩短至1 s左右,大大缩短了配置时间。

基于写相关支持向量描述的入侵防护审计模型研究

设计了基于写相关支持向量描述的安全审计模型来实现一个新的单类分类器,对系统调用中"写性质"子集进行监视和分析,并以此训练单类分类器,使偏离正常模式的活动都被认为是潜在的入侵。该模型仅利用正常样本建立了单分类器,因此系统还具有对新的异常行为进行检测的能力。通过对主机系统执行迹国际标准数据集的优化处理,只利用少量的训练样本,实验获得了对异常样本100%的检测率,而平均虚警率接近为0。