基于CBAM-CGRU-SVM的Android恶意软件检测方法

随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。

基于混合采样和SE_ResNet_SVM的不平衡多分类研究

针对结构化多分类算法中不平衡数据集类别分布不均导致分类难度增加的问题,本文提出了一种基于混合采样、压缩与激励(squeeze and excitation, SE)模块、改进深度残差网络和支持向量机(support vector machines, SVM)的网络模型SNSMRS (SMOTEENNmixed residual networks-SVM network)。首先,通过合成少数过采样和编辑最近邻技术来改善数据分布;然后,构建融合SE模块与通过融合批次归一化和群组归一化的深度残差网络来提取特征;最后,通过SVM进行输出网络模型。其中,SE模块增强了模型对特征的区分能力,提升了模型的鲁棒性;基于融合归一化的残差网络受批次大小的影响较小,并且避免了传统神经网络梯度消失和精度退化等问题,增强了网络的稳定性与准确度;SVM可以根据特征向量在空间上的分布进行全部特征的分割,特征利用率高,提高了模型的分类精度。在7个不同规模和领域的非平衡公开数据集上进行了对比和消融实验,结果表明,本文所提的网络模型SNSMRS不仅优于其他深度学习模型,而且相对于未改良的ResNet,Macro-F1和G-mean值分别提升了约3%和4%,同时在4个数据集上的Macro-F1和G-mean值均超过了95%。

基于信息几何去噪的改进SVM的通信信号识别

针对传统人工提取特征进行通信信号识别准确率低的问题,本文在支持向量机(SVM)的基础上,提出了一种基于信息几何去噪的改进SVM的识别方法。该方法通过Choi-Williams分布(CWD)时频变换获得不同通信信号的时频图像,然后利用能够更加准确衡量像素点之间差异性的测地线距离实现时频图像的去噪,进而利用AlexNet卷积神经网络对时频图进行特征提取,并基于信息几何改进的SVM对通信信号进行分类,实现了有效分类识别。仿真结果表明,该方法在0 dB信噪比(SNR)下,识别率仍然能够达到97%以上,除此之外,该方法在小样本的情况下仍然有效。

基于反向传播神经网络的SVM技术在电压型变流器中的应用研究

在分析三相电压型变流器空间矢量调制(SVM)技术基本原理的基础上,提出了一种基于反向传播神经网络结构的 SVM 技术(CPN-SVM)的实现方法。该方法采用CPN 竞争层来计算 SVM 中各个矢量的具体作用时间,避免了计算正弦函数这一非线性运算,缩短了计算时间,采样周期的可进一步缩短。仿真和实验表明:CPN-SVM 除了具备 SVM 的固有优点外,还有下述几个显著优点:①大大降低了整个控制系统的软硬件成本,提高了对开关瞬态位置判断的准确性;②随着采用周期的缩短,最大开关频率相应增大,从而提高了整个系统的传输带宽③避免了由于计算误差给 SVM 波形中所带来的附带谐波。

无轴承异步电机SVM-DTC系统研究

针对无轴承异步电机这一多变量、非线性、强耦合的系统,采用空间电压矢量调制技术(SVM)与直接转矩控制(DTC)相结合的方法来控制无轴承异步电动机。阐述了无轴承异步电机的工作原理,给出无轴承异步电机的数学模型,将整个控制系统分为旋转控制系统模块和悬浮控制系统模块,旋转模块引入SVM方法,并详细给出了基于定子磁链矢量偏差法的无轴承异步电动机SVM-DTC的分析与实现过程;悬浮模块采用电流追踪型PWM逆变器控制的方法。实验和仿真结果表明:转矩波动显著减少,运行更加平稳,系统具有良好的动态和静态性能。

基于简化SVM的模块化多电平变换器多子模块故障容错运行策略

针对模块化多电平变换器(modularmultilevel converter,MMC)子模块数量多,故障率高的问题,文中研究单个或多个子模块发生故障后MMC的容错运行策略。文中首先将每6个子模块组合为一个子单元,提出一种简化的空间矢量调制(space vector modulation,SVM)方法。在此基础上,对单个或多个子模块发生故障后的MMC的运行进行分析,根据不同故障子模块数量以及所在相的不同,将所有可能故障情况分为3类,针对每种故障情况分别提出相应的容错运行方法。仿真和实验表明,采用所提出的方法,即使MMC中有子模块发生故障,其输出线电压的幅值和谐波畸变率与正常运行情况相比基本不变,其运行可靠性得以提高。

组合变流器载波相移空间向量调制(CPS-SVM)技术

研究了高压大功率变频调速逆变器中3电平逆变器频率调制技术,综合相移SPWM组合变流器的拓扑结构与空间向量调制(SVM),提出了组合变流器载波(CPS)相移CPS-SVM技术。该技术不仅具有相移SPWM的优点,而且具有普通sVM技术所具有的器件开关频率降低1/3、直流电压利用率提高15％及便于数字实现等优点。

应用SVM的异步电动机直接转矩控制仿真

为了减小传统直接转矩控制的磁链和转矩脉动,采用参考电压矢量计算模块和空间电压矢量调制(SVM)模块取代滞环比较器和开关矢量表,并利用Matlab/Simulink仿真软件建立矢量调制的异步电动机直接转矩控制系统模型。磁链环节电压矢量经过简单计算得出,转矩环节电压矢量被有效的分解后由转矩PI控制器和转子转速与定子磁链乘积给出。仿真结果表明,该直接转矩控制系统设计正确,达到了良好的控制效果。

基于SVM的永磁同步电机直接转矩控制

参考电压矢量的计算是基于空间矢量调制(space vector modulation,SVM)的永磁同步电机直接转矩控制的核心研究之一.从电压矢量对电磁转矩的控制作用入手,分析指出有限的电压矢量是直接转矩控制中转矩和磁链脉动大的根本原因.设计一种改进的基于空间矢量调制的直接转矩控制系统,仅仅利用定子磁链角度、转矩偏差和定子磁链偏差计算得到参考电压矢量幅值和角度.该方案计算简单,对电机参数不敏感.仿真和实验结果表明,该方法结构简单、鲁棒性强,能够明显改善直接转矩控制性能.

基于高阶累积量和SVM的OFDM调制制式识别

针对Rayleigh衰落信道条件下OFDM信号与单载波信号调制识别问题,提出一种基于高阶累积量和支撑矢量机的信号识别算法。在接收端计算接收信号的高阶累积量作为提取的特征值,构造分类特征向量,支撑矢量机分类器将分类特征向量非线性地映射到高维特征空间中,并建立一个最优超平面来实现信号调制方式的分类。该方法不需要信号的载波频率、波特率等先验信息,直接在中频对信号进行处理。仿真结果表明,该算法对Rayleigh衰落和高斯噪声均不敏感,对信噪比的变化有很强的适应能力。且该算法识别概率高,性能稳定,复杂度低,适合实时处理。

船舶永磁同步推进电动机的基于滑模变结构的SVM-DTC方法

为解决船舶电力推进系统在螺旋桨负载受到风浪干扰时的稳定性问题,采用永磁同步电动机(Permanent Magnet Synchronous Motor,PMSM)作为推进电动机,在空间矢量调制(Space Vector Modulation,SVM)方法和直接转矩控制(Direct Torque Control,DTC)方法的基础上,提出一种基于滑模变结构的SVM-DTC方法.通过Simulink搭建模型进行船舶工况仿真,对推进电动机的转速和电磁转矩进行分析.仿真结果表明采用滑模控制的船舶电力推进系统具有很好的静态、动态特性和鲁棒性.

电流型变流器SVM技术简化算法研究

为了改善电流型变流器(CSC)的控制性能和提高控制系统的实用性,提出了一种基于反向传播神经网络(CPN)结构的空间矢量调制(SVM)技术(CPN-SVM)实现方法.该方法利用CPN的竞争学习机制,将变流器的6个非零开关矢量构成CPN的输入层,根据CPN竞争层中的胜者选择每一个采样时刻作用的开关矢量,并确定此时参考电流矢量所在的扇区,同时采用胜者的线性组合来计算SVM中所选择的开关矢量的作用时间.结果表明,与传统SVM相比,CPN-SVM避免了计算正弦函数非线性运算,大大缩短了计算时间,从而缩短最小采样周期,提高了整个系统的传输带宽,同时降低了控制系统的软硬件成本.

基于分类算法的多电平二极管钳位逆变器的通用快速SVM算法研究

针对多电平二极管钳位逆变器的传统SVM算法需要进行大量三角函数运算或查表操作、因而运算效率低的不足,引入基于Kohonen竞争性神经网络的分类算法,提出了一种通用的快速多电平二极管钳位逆变器SVM算法.新算法并不需要对神经网络进行训练,在整个实现过程中不再需要任何三角函数计算或查表操作,而只需要进行简单的加减乘除运算,因而能显著简化算法的实现.对三电平和五电平的二极管钳位逆变器进行时域仿真,结果验证了文中数学分析的正确性和所提算法的可行性,同时表明该算法是一种对多电平二极管钳位逆变器通用的算法,将它应用于不同电平数的逆变器时不需要进行任何修改.

一种新颖的组合变流器载波相移SVM技术

在变流器相移SPWM技术基础上,提出了载波相移空间矢量调制(CPS-SVM)技术,并给出了具体的实现方法。这种技术能够在较低的器件开关频率下实现较高开关频率的效果,通过低次谐波的相互抵消提高等效开关频率而不是简单地将谐波向高次推移,因而具有良好的谐波特性。与载波相移SPWM技术相比,CPS-SVM技术具有电压利用率高、开关频率低、易于数字实现等优点。

基于SVM的光伏最大功率跟踪的预测研究

针对光伏组件中常用的最大功率跟踪方法存在的不足,将支持向量机用于预测光伏组件的最大功率点工作电压.支持向量机是一种新型的机器学习方法,该方法以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.根据光伏组件的特点和最大功率点工作电压的影响因素,建立了支持向量机的最大功率点工作电压预测模型.实际仿真分析表明,与BP神经网络的模型相比,支持向量机的模型具有更高的预测精度.

恒功率区无零矢量SVM对功率器件结温的改善

电动汽车变流器功率器件的损耗不仅浪费了有限且宝贵的车载能量,而且会造成功率器件过高的结温,严重影响其可靠性。空间矢量调制SVM(space vector modulation)工作在线性调制范围虽然可以保持较低的电压谐波畸变,但高的开关频率会带来高的开关损耗。过调制虽然在一定程度上导致相对较高的谐波,但在提高逆变基波电压的同时还降低了器件的开关次数。为了能兼顾逆变电压谐波与功率器件损耗,基于已有的过调制研究,采用了一种不需要零矢量的过调制点,将该特定调制度点(无零矢量)运用于驱动电机基速以上的弱磁调速区,并推导了其损耗表达式。研究表明,与线性范围内调制对比,该方法能显著降低变流器功率器件的损耗,且谐波也在可接受范围内。

基于最大转矩电流比的同步磁阻电机DTC-SVM控制策略

同步磁阻电机结构简单,成本低,耐高温性能好,但其效率、功率因数等性能有待提高。直接转矩控制可实现同步磁阻电机的转矩快速响应,将电压空间矢量调制技术引入传统直接转矩控制,在α-β轴建立控制模型,只引入一个PI控制器,在保持传统直接转矩控制的结构简单、转矩响应快等优点的同时,使电机磁链轨迹更圆,有效降低转矩脉动。同时,考虑饱和效应对电机电感的影响,将最大转矩电流比(MTPA)策略引入直接转矩控制,进一步降低电机铜耗。经仿真分析与实验验证,该文提出的控制策略具有良好的稳态及动态性能,电机转速、转矩响应快,转矩脉动小,磁链轨迹光滑。

基于STF的永磁同步电机无传感器SVM-DTC系统

在永磁同步电机无传感器直接转矩控制(DTC)系统中,采用强跟踪滤波器(STF)构建电机转速、定子磁链观测器,以实现电机参数的实时在线观测。为降低磁链和转矩的脉动,采用空间矢量调制(SVM)取代传统的电流滞环控制。为验证该算法的可行性和有效性,分别构建基于STF观测器和扩展卡尔曼滤波器(EKF)观测器的永磁同步电机DTC模型。仿真结果表明,与EKF观测器相比,在起动、突加扰动及电机模型变化等情况下,STF观测器能更快速、更准确地实现电机参数观测,且系统具有更强的鲁棒性。

一种提高SVM分类精度的调制信号识别方法

为解决调制信号样本点特征向量维数较低时SVM分类精度不高的问题,本文给出了一种基于禁忌搜索的全局优化训练算法的SVM。仿真结果表明,该分类器较传统算法的SVM具有更好的分类精确率。