期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
自适应网络攻击滑动检测窗口模型研究
1
作者 钟锐 《教育界(高等教育)》 2011年第5期66-67,共2页
目前网络入侵检测系统是将所采集下来的大量网络数据包以固定长度的滑动检测窗口进行分段后,才能实施攻击检测。该检测模式无法适应目前网络攻击的多样性,本文提出了自适应网络攻击滑动检测窗口模型,该模型综合使用了信息熵与聚类算... 目前网络入侵检测系统是将所采集下来的大量网络数据包以固定长度的滑动检测窗口进行分段后,才能实施攻击检测。该检测模式无法适应目前网络攻击的多样性,本文提出了自适应网络攻击滑动检测窗口模型,该模型综合使用了信息熵与聚类算法实现了网络攻击滑动检测窗口长度的动态调整,从而保证入侵检测系统检测率与实时性。 展开更多
关键词 自适应网络攻击滑动检测窗口模型 信息熵 聚类算法
下载PDF
基于卷积神经网络的焊缝表面缺陷检测方法 被引量:10
2
作者 封雨鑫 邓宏贵 程钰 《计算机测量与控制》 2021年第7期56-60,66,共6页
针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数... 针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数控机床和工业相机进行了焊缝数据采集,并对这些数据进行了分类、增强、扩增等前期预处理;最后基于数控机器轴,采用滑动窗口检测的形式采集实际待测图像,并通过实验对比了传统的机器学习算法在该类图像数据中的性能评估;经实验证实,通过卷积神经网络训练得到的多分类模型,焊缝缺陷检测精度能达到97%以上,且每张待测图像的测试时间均在300 ms左右,远超机器学习算法,在准确性和实时性上均能达到实际工业要求。 展开更多
关键词 激光焊接 卷积神经网络 焊缝缺陷检测 焊缝数据采集 滑动窗口检测
下载PDF
空间通信认知干扰机的干扰/抗干扰博弈 被引量:1
3
作者 Xin Tian Zhi Tian +4 位作者 Khanh Pham Erik Blasch Dan Shen 周华吉(翻译) 杨红娃(审校) 《通信对抗》 2016年第2期57-62,共6页
在空间通信背景下研究了认知干扰/抗干扰的基本问题。场景包括一对发射机、接收机和一部认知干扰机。假定认知干扰机拥有强大的频谱感知能力,能够检测数据通过信道从发射机到接收机的传输过程。相应地,干扰机采用"检测与干扰"... 在空间通信背景下研究了认知干扰/抗干扰的基本问题。场景包括一对发射机、接收机和一部认知干扰机。假定认知干扰机拥有强大的频谱感知能力,能够检测数据通过信道从发射机到接收机的传输过程。相应地,干扰机采用"检测与干扰"策略;发射机-接收机端使用跳频扩展频谱的方法抑制干扰影响。干扰机与发射机-接收机之间基本的干扰/抗干扰问题被建模为二人零和博弈问题。对于频谱感知,假定干扰机采用滑动窗口能量检测,即滑窗能量检测。作为发射机-接收机端的保守策略,在多种情况下获得了干扰/抗干扰博弈的最大最小解。讨论了各种因素如信号传播时延、信道带宽、干扰机/接收机端信噪比等对博弈结果的影响。结果为评估干扰机对空间通信链路的潜在威胁,及空间传输网络抗干扰配置提供了重要信息。 展开更多
关键词 空间传输 认知干扰机 滑动窗口能量检测 抗干扰博弈
下载PDF
A data-driven threshold for wavelet sliding window denoising in mechanical fault detection 被引量:9
4
作者 CHEN YiMin ZI YanYang +2 位作者 CAO HongRui HE ZhengJia SUN HaiLiang 《Science China(Technological Sciences)》 SCIE EI CAS 2014年第3期589-597,共9页
Wavelet denoising is an effective approach to extract fault features from strong background noise.It has been widely used in mechanical fault detection and shown excellent performance.However,traditional thresholds ar... Wavelet denoising is an effective approach to extract fault features from strong background noise.It has been widely used in mechanical fault detection and shown excellent performance.However,traditional thresholds are not suitable for nonstationary signal denoising because they set universal thresholds for different wavelet coefficients.Therefore,a data-driven threshold strategy is proposed in this paper.First,the signal is decomposed into different subbands by wavelet transformation.Then a data-driven threshold is derived by estimating the noise power spectral density in different subbands.Since the data-driven threshold is dependent on the noise estimation and adapted to data,it is more robust and accurate for denoising than traditional thresholds.Meanwhile,sliding window method is adopted to set a flexible local threshold.When this method was applied to simulation signal and an inner race fault diagnostic case of dedusting fan bearing,the proposed method has good result and provides valuable advantages over traditional methods in the fault detection of rotating machines. 展开更多
关键词 wavelet denoising data-driven threshold noise estimation bearing fault diagnosis
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部