基于加权移动窗口的入侵检测算法研究

为克服目前入侵检测技术检测反应速度慢、误检率和漏检率较高等问题,研究了加权移动窗口这种数据挖掘方法。首先对现有的移动窗口算法MFI-TransSW和Moment进行了认知与分解,指出现有算法的缺陷,提出了加权移动窗口的详细算法,自动调整训练窗口,并对检测模式进行及时的更新;在此基础上建立了基于加权移动窗口的入侵检测系统模型。最后实例检测和结果分析表明,在不同窗口大小、不同最小支持度、数据集增大时该算法执行时间均优于其他算法。

基于移动窗口定位和复合神经网络的车牌识别算法

针对一般车牌定位算法存在多个车牌识别区域,以及单个人工神经网络识别复杂、运算量大、不容易收敛等问题,提出采用移动窗口定位算法和复合BP神经网络模型,可以较好的解决以上问题,在实际应用中取得了预期效果。

海量机载LiDAR点云改进滤波算法研究

为了提高机载LiDAR点云滤波算法在点云滤波中的精度与效率,本文在已有的多级移动曲面拟合滤波算法的基础上提出一种多级多窗口移动曲面拟合算法(WHMCFA)。该改进滤波算法能够有效解决HMCFA滤波算法中存在的曲面拟合精度低、粗差率高等问题。同时,为了提高LiDAR点云数据的滤波效率,在WHMCFA的基础上设计并实现PWHMCFA并行滤波算法。将本文改进滤波算法应用于机载LiDAR点云数据滤波处理中,结果表明,与传统滤波算法相比,本文提出改进滤波算法的滤波精度更高,滤波效果更好。

基于STM32和MPU6050的AACN系统模拟与触发算法验证

车辆事故紧急呼叫装置(Advanced Automated Crash Notification,AACN)有助于实施事故后紧急救援,对减轻交通事故造成的人身伤害具有重要作用。文中使用STM32单片机和MPU6050模块搭建低成本车辆AACN模拟系统,配合电动试验小车构建AACN触发算法模拟验证系统,研究车辆AACN系统的事故识别触发算法。以正面碰撞和侧翻为研究对象,以采集的车辆关键参数为基础,采用长短期记忆(Long Short-Term Memory,LSTM)和双向长短期记忆(Bi-LSTM)神经网络辨识事故类型,结果显示,LSTM和Bi-LSTM神经网络对正面碰撞的识别率分别为96.41%、99.28%,对侧翻的识别率均在99.00%以上;使用基于速度变化原理的移动窗口算法进行实时事故检测对比验证,正面碰撞条件下触发正确率为93.3%。综合表明,利用MPU6050采集的车辆姿态参数类型和精度对AACN系统计算与识别是足够的,神经网络算法识别精度较高,神经网络算法和移动窗口算法均能满足AACN模拟系统的事故识别要求。

多数据流时间序列中的依赖模式发现算法研究

针对多数据流组成的时间序列中发现有用的结构模式的MSDD算法不能很好地对节点剪枝,以及直观地表示模式的时间关系的问题,经过研究,提出了发现多数据流时间序列结构模式的算法:时间窗口移动筛选算法(TWMA).采用事件序列化的策略来发现多流时间序列中的依赖模式,与MSDD相比,在表示上更直观,发现模式的过程更灵活.

基于信息熵理论的教育网异常流量发现

为提高异常流量发现的效率,解决传统流量分析方法效率较低、异常检测能力弱的问题,对骨干路由器的netflow流数据采用基于多个信息熵的联合指标并结合基于滑动窗口的熵流突发检测算法来实现网络异常的发现;并利用各指标熵值的相关度分析将指标分类,根据已知的异常类型对每一类指标的异常检测范围作出总结。通过实验成功剔除了冗余度高的指标,将网络异常流量分为了能准确地被联合指标识别出的四种类型。实验证明,该异常检测方案实用性强,较传统的流量分析方法在异常类型的判断上更加准确和有效。

基于近红外光谱的鲜味物质与鲜味强度检测

对近红外光谱(NIRS)分析技术结合化学计量学方法定量检测混合溶液中鲜味物质浓度及其鲜味强度的可行性进行探讨。以谷氨酸钠与肌苷酸二钠所构成的鲜味物质混合溶液为研究对象,获取不同鲜味强度的样本并采集其近红外光谱数据。基于偏最小二乘回归法结合竞争性自适应移动窗口区间组合(CMIC)新算法,以及多种常用变量优化算法分别建立混合溶液中鲜味物质浓度和混合溶液鲜味强度的检测模型。实验结果表明,最优的混合溶液中鲜味物质浓度和混合溶液鲜味强度检测模型均是基于CMIC算法建立的简化模型,预测决定系数分别为0.8886、0.9182和0.8097。因此,NIRS分析技术结合化学计量学方法可应用于定量检测混合溶液中鲜味物质浓度及其鲜味强度。