垂直陀螺仪是无人机重要的飞行姿态传感器,其在飞行过程中实时获取无人机的飞行姿态信息,因而其故障检测对在线性有着很高的要求;最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)相比于支持向量机的具有训练速度快、...垂直陀螺仪是无人机重要的飞行姿态传感器,其在飞行过程中实时获取无人机的飞行姿态信息,因而其故障检测对在线性有着很高的要求;最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)相比于支持向量机的具有训练速度快、计算复杂度和需要内存少的特点,且能够扩展为自回归的形式来处理动态问题;因此文章采用基于在线增量小波LS-SVM建立无人机垂直陀螺仪动态模型,实时获得实际值与模型预测值之间的残差,并依据残差对陀螺仪进行在线故障检测;实验结果表明,该方法能够对陀螺仪实现快速精确的在线检测。展开更多
目前,移动终端使用过程中存在诸多安全隐患,影响着整个系统的安全。因此,在面向Android移动终端基础上,研究一种新的入侵检测算法显得尤为重要。首先,通过Android平台,收集移动终端内核信息,并进行及时有效的预处理,借助快速核密度,正...目前,移动终端使用过程中存在诸多安全隐患,影响着整个系统的安全。因此,在面向Android移动终端基础上,研究一种新的入侵检测算法显得尤为重要。首先,通过Android平台,收集移动终端内核信息,并进行及时有效的预处理,借助快速核密度,正确估计Fast Kernel Density Estimation(Fast KDE)算法压缩收集到的大规模样本,从而得到数量合理的训练样本,为后面工作打下基础。然后,以在线增量学习算法为基础,通过支持向量机算法判别经过处理的相关数据,从而识别出入侵数据。最后,通过试验以及相关的数据分析,得出该方法有利于缩减训练时间,使检测性能达到最佳效果,可扩展性较好,且具有较好的自我提升能力。展开更多
文摘垂直陀螺仪是无人机重要的飞行姿态传感器,其在飞行过程中实时获取无人机的飞行姿态信息,因而其故障检测对在线性有着很高的要求;最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)相比于支持向量机的具有训练速度快、计算复杂度和需要内存少的特点,且能够扩展为自回归的形式来处理动态问题;因此文章采用基于在线增量小波LS-SVM建立无人机垂直陀螺仪动态模型,实时获得实际值与模型预测值之间的残差,并依据残差对陀螺仪进行在线故障检测;实验结果表明,该方法能够对陀螺仪实现快速精确的在线检测。
文摘目前,移动终端使用过程中存在诸多安全隐患,影响着整个系统的安全。因此,在面向Android移动终端基础上,研究一种新的入侵检测算法显得尤为重要。首先,通过Android平台,收集移动终端内核信息,并进行及时有效的预处理,借助快速核密度,正确估计Fast Kernel Density Estimation(Fast KDE)算法压缩收集到的大规模样本,从而得到数量合理的训练样本,为后面工作打下基础。然后,以在线增量学习算法为基础,通过支持向量机算法判别经过处理的相关数据,从而识别出入侵数据。最后,通过试验以及相关的数据分析,得出该方法有利于缩减训练时间,使检测性能达到最佳效果,可扩展性较好,且具有较好的自我提升能力。