光纤安防系统中振动信号的特征提取和识别

利用光纤振动传感器可以实现分布式周界安防监测,进而实现自动报警.对周界安防监测信号的分析处理和识别受到业界关注.对光纤信号的特征提取和识别方法进行综述,这些特征提取方法通过对光纤振动信号的时域这个维度进行各种分解,从而提取各种信号的属性特征;对光纤振动信号的识别主要使用经验阈值、神经网络、支持向量机方法,目前这些方法对光纤入侵事件识别效果还不能令人满意.通过实验采集挖掘机挖掘、人工挖掘、汽车行驶、行人和自然环境噪声这5种入侵行为引起的光纤振动信号数据,并进行数据的3维图形可视化分析,提出一种安防监测信号在时域和空域这2个维度信息的特征提取方法;根据光纤振动入侵事件的重要程度分成4个阶段先后完成识别任务,采用2分类任务决策树模型和约束极速学习机算法识别入侵事件类型,提高了对各类事件的正确识别率.

基于ARMA模型的网络流量预测

随着计算机网络的迅速发展 ,目前的网络规模极为庞大和复杂 ,因此发生各种问题的可能性也越大 ,同时管理网络的难度也增大 .传统的网络管理是在告警之后 ,解决潜在的问题 ,即为一种响应式的行为 ,这时候网络服务很可能已经受到影响 .根据实际采集的非单播包数的观测值序列 ,建立该流量参数的正常行为 ,然后平稳化该序列 ,估计出网络流量的 ARMA(2 ,1)模型 ,用线性最小均方误差预测方法 ,对网络流量进行预测 ,并检测在将来超越阈值的可能性和发生时间 .这样 ,在网络过载发生之前 ,可以预先采取防范措施 ,来保证网络的正常服务 .这种方法改变了以往的网络管理响应方式 。

Prewitt图像边缘检测方法的改进

改进传统的边缘检测方法,有很大的发展潜力.结合形态学方法,对Prewitt图像边缘检测方法进行改进,经过实例验证,改进方法检测的边缘更清晰、线条更完整,抗噪声性能良好.

图像轮廓提取方法研究

对现有的轮廓提取现状进行分析,把主要的轮廓提取方法划分为先验知识法、数学形态法、基于梯度的方法、水平集方法、活动轮廓模型方法、以及神经动力学方法六大类,并研究这些方法的主要特点。对轮廓提取方法研究进行展望,提出神经动力学方法是轮廓提取方法的发展方向。

基于ELM算法的光纤振动信号识别研究

光纤振动信号的信息提取与识别方法逐渐成为研究热点。对挖掘机挖掘、人工挖掘、汽车行走、人员行走和噪声这五种光纤振动信号的短时过零率和能量特征进行可视化分析,提出一种实验样本的选取方法;采用二分类任务决策树模型和ELM算法,根据事件的重要程度分四个阶段完成事件的识别。探讨ELM算法中各参数对实验结果的影响。通过实验证明,该方法提高了事件的正确识别率,大大缩短了模型训练时间。

一种网络流量平稳化方法

由于网络流量的不稳定性,会影响流量模型的准确性。平稳化的目的是使得流量成为平稳或更为接近平稳,以提高流量模型的准确性。差分是一种常用的平稳化方法,它对具有线性趋势的时间序列有很好的平稳化效果。本文提出一种统计分析的方法对流量进行平稳化处理,可以在一定程度上消除流量不稳定性对流量建模的影响。

光纤安防监测信号的特征提取与识别研究综述

光纤安防监测系统信号的特征提取与识别方法是当前的研究热点。光纤振动信号的随机性、非平稳性,以及各种信号的相似性,导致信号的识别容易产生误报现象。识别入侵事件类型的关键是信号的特征提取和高效的识别方法。对光纤振动信号的各种特征提取方法和识别方法进行分析和比较,把特征提取方法分为基于小波分解的特征提取法、基于其他分解模型的特征提取方法和基于波形统计参数的特征提取法;把对光纤振动信号的识别方法分为经验阈值识别方法、支持向量机识别方法和神经网络识别方法,最后对特征提取方法和识别方法进行总结和展望。

一种网络异常实时检测方法

传统的网络管理工具通常根据预先设定的阈值来报警 ,这种方法虽然简单 ,但适应性不好 .因此出现了网络异常检测技术 ,有时异常检测技术不但能发现网络故障 ,而且具有预警的效果[1] ;该文介绍了一种新的实时网络流量异常检测方法 ,转换网络流量观测值序列并假定序列的局部是平稳的 ,然后建立AR模型 ,定义一个统计量来检测异常 .结果表明 。

基于AR模型的网络异常检测

在网络流量管理中流量异常的一般检测方法是阈值监控。文章提出一种新的异常检测方法,选取适当的SNMP管理信息库变量,建立对相关变量的局部AR(自回归)模型,检测并分析一种服务器故障引起的流量异常,获得该故障的特征向量模型;该检测方法比阈值方法有更强的检测功能,并与传统GLR测试方法进行对比。

网络流量正常行为模型的建立

网络规模的迅速扩大和网络技术的复杂化 ,以及网络设备的多样化 ,使得网络出现各种问题的可能性增大。传统的网络管理一般是根据预先设定的阈值来报警的 ,但是 ,这种方法的缺点是适应性差 ,而且该阈值难以确定。由此出现了预先网络管理 ,预测网络问题的发生。为了进行网络流量的预测 ,文中介绍了一种建立网络正常行为模式的方法 ,通过方差分析的方法 (ANOVA) ,对实际网络中非单播包的观测值时间序列平稳化 ,建立自回归滑动平均模型 (ARMA) ,利用该方法建立的网络流量行为模型 ,可以预测网络流量及其变化趋势 ,并检测网络异常情况的发生。

网络异常的检测与诊断方法

为提高网络的可用性和可靠性 ,当网络出现异常时 ,首先 ,必须尽快地发现异常 (即异常检测 ) ,发出警报 ,这样可以提前采取措施以避免或减轻对服务的影响 ,其次 ,必须从大量的警报信息中作出正确的诊断 ,提取出真正的、非冗余的信息 ,以便找出问题的根源 (即警报关联 ) ,从而解决问题 ,改善服务质量 .本文就网络异常检测和警报关联两个方面进行总结和分析 ,回顾了该领域的主要研究工作 。

自然图像稀疏编码模型研究综述

根据建模出发点的不同,把各种建模方法分为模拟视觉系统模型、统计分析模型两大类方法.根据不同的目标、不同的模型特征和结构,把模拟视觉系统的稀疏编码模型分又为最大似然概率、目标函数优化、Gabor小波基函数、超完备基、神经网络、分层稀疏编码六类模型.根据模型学习方法的不同,统计分析模型又分为独立分析、非负矩阵分解以及特定特征的稀疏编码3种模型.针对上述各种模型进行了介绍、分析和研究,并归纳总结不同方法的主要特点,最后进行了展望.

两种教学法在遥感图像校正教学中的应用

在地理信息科学专业本科的遥感图像处理教学中,图像校正的教学是一个难点。经过多年的教学实践,系统完整地组织教学内容,提出采用比较教学法,从多方面、多角度进行概念的比较,同时运用图示教学法加强形象记忆,使知识系统化。实践表明,教学效果良好。

基于多协议标记交换的流量工程研究进展

分析多协议标记交换(MPLS)流量工程技术中面临的问题,概述解决这些问题的最新研究进展,并进行分类。提出MPLS流量工程结构模型,以及MPLS流量工程研究的认识和建议。

基于主成分特征向量系数的交通标志识别方法研究

对交通标志的识别研究一直是模式识别领域的研究热点。提出一种利用主成分特征向量系数和最近邻分类识别交通标志的方法,经验证取得较好的识别效果;同时,还研究探讨了交通标志图像的分辨率大小、主成分特征个数对正确识别率的影响。该方法的特点是交通标志图像来自真实环境,减小了计算量。

对我国现阶段宽带发展的分析

宽带市场发展一般可以划分为市场导入、市场发展和市场饱和三个阶段。

用B样条方法实现数字水印

提出一种数字图像水印技术方案,先对数字图像进行小波变换,以低频系数作为初始控制顶点建立B样条曲线,通过B样条曲线的形变来反算一组新的控制顶点,新的控制顶点与原始控制顶点之间的差异就意味着水印的嵌入·由于B样条曲线的平滑性及易于插值与重采样等特点,故该水印方案对滤波、缩放等攻击具有强抵抗力·实验结果也证明该方案具有这些优点·文中还分析了在特定边界条件下反算控制顶点的算法,以及在水印强度不超过人眼视觉系统对噪声的敏感尺度时B样条的形变程度·

小波分析与Fisher判别法相结合的数字水印算法

提出了在彩色图像的小波变换域中实现数字水印的一种算法。该算法能很好地保证水印图像与原始图像具有相似的视觉效果,而且在用Fisher判别法实现水印盲复原时能准确地抽取水印信号。最后通过实验测试验证了该算法的鲁棒性。

基于CDIO教育理念的信息与计算科学专业应用型人才培养模式

根据地方本科高等院校的特点,文章基于CDIO工程教育理念,提出信息与计算科学专业应用型人才培养的新模式,该模式注重数学思维与数学方法运用能力的训练,强调对学生实践创新能力的培养。在该模式基础上,构建和优化理论与实践相融合的课程体系,并设计出多层次递进式模块化实践教学环节。