针对高速移动车辆的速度预测问题,提出了一种射频识别(Radio Frequency Identification,RFID)环境下的基于自适应卡尔曼滤波的车辆速度预测方法。在RFID系统中,当车辆通过标签时,首先,阅读器需要获取该标签上最后一辆车的状态信息(即当...针对高速移动车辆的速度预测问题,提出了一种射频识别(Radio Frequency Identification,RFID)环境下的基于自适应卡尔曼滤波的车辆速度预测方法。在RFID系统中,当车辆通过标签时,首先,阅读器需要获取该标签上最后一辆车的状态信息(即当前速度和时间戳),同时将自己的状态信息发送到该标签;然后,根据所获得的状态信息来构造状态空间模型;最后,通过带有变遗忘因子的自适应卡尔曼滤波算法来预测和调整车速。自适应卡尔曼滤波算法是利用期望输出值与实际输出值之间的误差来实现自适应遗忘因子的自适应更新,从而实现预测模型的在线更新。数值结果进一步表明,与最小二乘法和传统的卡尔曼滤波算法相比,该算法分别提高了87.5%和50%的速度预测精度,从而证明该算法可以为实际应用提供更好的实时性。展开更多
随着网络技术的快速发展,网络攻击带来了极大的负面影响,因此网络安全问题亟待解决。针对网络攻击中的拒绝服务(Denial of Service,DoS)攻击,提出了一种基于边缘计算框架的孤立森林网络异常检测方法。该方法根据每个边缘节点的特性实现...随着网络技术的快速发展,网络攻击带来了极大的负面影响,因此网络安全问题亟待解决。针对网络攻击中的拒绝服务(Denial of Service,DoS)攻击,提出了一种基于边缘计算框架的孤立森林网络异常检测方法。该方法根据每个边缘节点的特性实现对模型训练任务的合理分配,有效地提高了边缘节点的利用效率;同时,利用边缘计算的特点实现了对云中心模型训练任务的分流,从而更好地减少系统的耗时,减轻云中心的任务负担。为了验证所提方法的有效性,对10%-KDDCUP99网络数据集进行预处理,并提取部分数据用于实验。实验结果表明,与支持向量机(Support Vector Machine,SVM)和多层感知器(Multi-Layer Perceptron,MLP)方法相比,所提方法将系统建立时间分别缩短了90%和60%,且得出的曲线下面积(Area Under Curve,AUC)可达0.9以上,这证明该方法能够在确保较高异常检测性能条的件下有效减少异常检测系统的建立时间。展开更多
文摘针对高速移动车辆的速度预测问题,提出了一种射频识别(Radio Frequency Identification,RFID)环境下的基于自适应卡尔曼滤波的车辆速度预测方法。在RFID系统中,当车辆通过标签时,首先,阅读器需要获取该标签上最后一辆车的状态信息(即当前速度和时间戳),同时将自己的状态信息发送到该标签;然后,根据所获得的状态信息来构造状态空间模型;最后,通过带有变遗忘因子的自适应卡尔曼滤波算法来预测和调整车速。自适应卡尔曼滤波算法是利用期望输出值与实际输出值之间的误差来实现自适应遗忘因子的自适应更新,从而实现预测模型的在线更新。数值结果进一步表明,与最小二乘法和传统的卡尔曼滤波算法相比,该算法分别提高了87.5%和50%的速度预测精度,从而证明该算法可以为实际应用提供更好的实时性。
文摘随着网络技术的快速发展,网络攻击带来了极大的负面影响,因此网络安全问题亟待解决。针对网络攻击中的拒绝服务(Denial of Service,DoS)攻击,提出了一种基于边缘计算框架的孤立森林网络异常检测方法。该方法根据每个边缘节点的特性实现对模型训练任务的合理分配,有效地提高了边缘节点的利用效率;同时,利用边缘计算的特点实现了对云中心模型训练任务的分流,从而更好地减少系统的耗时,减轻云中心的任务负担。为了验证所提方法的有效性,对10%-KDDCUP99网络数据集进行预处理,并提取部分数据用于实验。实验结果表明,与支持向量机(Support Vector Machine,SVM)和多层感知器(Multi-Layer Perceptron,MLP)方法相比,所提方法将系统建立时间分别缩短了90%和60%,且得出的曲线下面积(Area Under Curve,AUC)可达0.9以上,这证明该方法能够在确保较高异常检测性能条的件下有效减少异常检测系统的建立时间。
