基于时空主成分分析的恶意加密流量检测技术

恶意加密流量检测对关键信息基础设施的可靠运行至关重要,也是应对DDoS攻击等网络威胁的有效手段。利用时空主成分分析技术,构建了时间维度和空间维度的网络流量变化模型,实现恶意加密流量的实时检测和追踪溯源。在时间维度,利用历史积累的网络流量监测信息进行主成分分析,构建瞬时流量预测模型与实际监测流量之间的平方预测误差,判定网络中出现恶意加密流量的时刻。在空间维度,利用历史积累的各国家和地区的网络流量监测数据,构建区域流量预测模型与实际监测流量之间的平方预测误差,对恶意加密流量的来源地进行追踪溯源。最后,设计了一种可用于现网部署的算法实现流程,并分析了相比其他已有算法带来的能力提升。

福建省旅游经济发展差异的时空尺度分析

以福建省9个设区市为研究对象,运用Excel软件和SPSS软件,采用有关数理分析和主成分分析等方法,对福建省旅游经济发展的时空差异进行评价。结果表明:①福建省入境旅游和国内旅游总体发展迅速,区域旅游经济差异的变化趋势是绝对差异不断扩大,相对差异先扩大后缩小,缩小速度缓慢,呈现明显的波动状态;国内旅游人数与收入年内变化在一般呈现出"三峰"型特点,入境旅游人数与收入年内变化表现比较平稳。②福建省区域旅游经济发展极化现象严重,旅游产业地位和旅游经济发展水平出现一定的分异性,厦门市和福州市旅游经济发展水平遥遥领先。最后从政策制定、产业发展、交通设施建设、区域旅游合作等方面提出建议。

融合主成分时空分析与时序InSAR的高精度地表形变信息提取——以徐州地区为例

城市地区常因基础设施建设和资源开采产生不同程度地表形变,威胁居民的生命财产安全,定期进行城市地表形变监测对预防相关地质灾害具有重要意义。城市地表形变具有量级较小和连续缓慢的特点,因此须对误差进行精细处理以提高监测精度。本文提出了融合主成分时空分析和时序InSAR(Interferometric Synthetic Aperture Radar)的高精度地表形变提取方法,通过对时序InSAR信号的挖掘与分析,构建地表形变模型,结合多项式函数,实现误差及噪声的分层估计,以提取高精度小量级的地表形变信息。以典型地质灾害易发城市徐州作为研究区进行方法应用,结果表明:方法能精细分离时序InSAR信号中的地表形变信息和误差,形变监测精度较现有方法提高10%~57%;2018—2022年,徐州地表形变速率约-17~35 mm/a,分布在城区、地铁沿线及老采空区;近8年,城市建设不断引发局部沉降区,老采空区次生形变可持续6年以上,且多个矿区地表仍处于不稳定状态。研究结果可为城市地表形变高精度监测和潜在地质灾害防治提供重要技术支撑和决策支持。

基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

近年来,机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明,设计良好的输入特征能够适应多种算法,从而减少调参时间和计算成本,并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入,使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明,良好的特征向量组合对损伤更加敏感,不仅有助于识别在传感器周围发生的损伤,而且能有效地定位结构边缘和远离传感器位置处的损伤,从而提高算法的损伤识别效果。此外,多种噪声强度下的实验表明,组合特征具有良好的鲁棒性,能较好地适应外界环境的变化。