幅相误差对两类高分辨测向算法性能的影响

高分辨测向算法主要包括MUSIC算法、最小范数法、前向平滑算法和修正MUSIC算法等。无论是针对独立源或是相干源,在没有考虑阵元的幅相误差的情况下,这些算法都能准确进行到达方向(DOA)的估计。主要考虑存在幅相误差时,两类高分辨测向算法(最小范数法和前向平滑算法)的DOA估计性能。最后,给出了计算机仿真结果,并对幅相误差对算法的影响作了性能分析。

基于区间灰关联度和D-S证据理论的辐射源识别方法

在辐射源识别问题中,多传感器测量得到的数据一般为多组区间型特征参数。针对这种情况下的辐射源识别问题,笔者提出一种基于灰色关联度和D-S证据理论的方法。该方法通过对区间值进行灰关联分析,得到灰关联度为D-S理论模型中的mass函数赋值,然后运用Dempster组合规则和最大判决准则判决出最终结果。该方法更符合实际使用场景的数据特点,适用于解决区间型特征参数的辐射源识别问题。最后,通过算例分析表明,该辐射源识别方法具有很强的可行性。

基于增量式FP-Growth算法的关联规则挖掘模型设计

随着关联规则挖掘技术的发展,FP-Growth算法的优化与应用研究一直受到广泛关注。在数据量激增的大数据时代,每次增加数据集或调整最小支持度时都重新调用FP-Growth算法进行2次全量数据集扫描,将极大地限制FP-Growth算法的使用效率,无法高效支持用户进行探索式挖掘。本文针对数据库增加时最小支持度变大或变小的关联规则更新问题,通过研究FP-Growth算法的增量更新逻辑,设计一个关联规则挖掘模型,以实现对更新关联规则的高效挖掘。

基于数据挖掘的智能入侵检测系统研究

入侵检测系统是网络安全体系的重要一环。数据挖掘能从大量的、有噪声的、随机的数据中提取出有用的信息,而代理技术可使入侵检测系统具有清晰的系统结构、良好的可扩展性和可移植性。本文对数据挖掘技术和智能检测代理在入侵检测系统中的应用进行研究,提出了一个基于数据挖掘、Agent技术的入侵检测系统框架。