物联网入侵检测的随机特征图神经网络模型

目前入侵检测主要依赖传统深度学习方法,但这种方法忽略了数据记录间的关联。图神经网络方法虽然考虑了数据记录间的相互关系,但忽略了图节点间的特征关系。提出了一种随机特征的图神经网络物联网入侵检测模型,以解决这些问题。构建了网络通信数据集的图结构。引入随机特征以丰富图节点的特征,从而提高图神经网络的表达能力。通过提取的流量相互关系来训练图神经网络,构建了一个精确检测攻击流量的入侵检测分类器。在ToN-IoT和NF-UNSW-NB15物联网数据集上进行了实验验证。实验结果表明,在二分类检测方面,与几种经典的机器学习和深度学习算法以及最新的图神经网络检测算法相比,提出的方法在准确率上最高提升了17.90和1.43个百分点。在多分类检测方面,在大多数攻击类别上的F1得分高于其他算法。此外,还通过实验确定了图神经网络的层数K和聚合器的最佳选择。

A股市场均线策略有效性与收益率随机特征研究

本文使用上证指数1990年12月到2011年12月的数据对均线策略有效性进行了分析。我们发现,(1)均线规则下,投资者能够获得超额收益率,且买入交易日的平均收益率显著高于卖出交易日的收益率;(2)不同期限的均线策略所获得的收益率随市场环境的变化而变化,这是由各期限均线策略在不同市场环境中风险的变化所导致的;(3)增加缓冲空间提高了买入交易日的收益率均值,同时降低了卖空交易日的收益率均值,这一结果同样是由缓冲空间所引起的风险变化所导致的。基于随机游走模型、ARMA模型以及GARCH-M模型的Bootstrap检验结果进一步表明,均线交易策略产生的收益率绝对值大于上述三个模型所得到的"正常"收益率的绝对值,这三个常用的模型无法解释移动平均策略所获得的收益率。

含水层和土壤的随机特征对水分运动的影响

将土壤或含水层的介质参数视为随机分布,建立了饱和非饱和水流运动的随机微分方程,利用随机数值求解方法,得到各种随机参数对水头分布和含水量空间变异性的影响。分析结果表明,随着渗透系数空间变异性和相关尺度的增大,含水层水头分布的变异性增大;对于区域内有抽水井分布的问题,在井点附近区域,z向水流速度空间变异性大,而在井点处变异性较小。当采用Gardner Russo模型描述非饱和水分特征时,其非饱和土壤介质参数α的变异性对土壤负压和含水量变异性的影响大于饱和渗透系数,土壤含水量越小,含水量的空间变异性越大。初步讨论了根据随机数值方法研究地下水运动问题的可靠性分析方法。

随机参数冷却塔的随机特征值样条子域随机摄动分析

文〔１〕曾提出了用于旋转壳分析的广义样条子域法，本文基于这一方法进一步建立了带有随机参数冷却塔的随机特征值摄动分析公式。并着重讨论了特征值关于冷却塔边界支撑随机参数的统计特性。其中，冷却塔的实际支撑体系用弹簧约束模拟，且利用变形能等效原则将两个主曲率线方向的弹簧约束系数用实际支撑体系的有关参数表示。

水下目标回波信号的分形Brown运动随机特征矢量与分类

在研究水下目标回波信号的统计性质的基础上 ,给出以分形 Brown运动小波均方展开式中随机系数的方差作为目标回波信号随机矢量特征 ,以模糊竞争网络作为分类器对目标进行分类的方法 ;并给出了该方法的计算方法和计算步骤。大量模拟计算结果和实测目标回波信号的分类结果表明 ,新方法具有较好的实时性和较高的识别率。

考虑参数随机特征的地源热泵换热器可靠性设计

分析了地源热泵换热器设计参数的随机影响因素。结合工程实例,在考虑总负荷及单位管长换热量变异系数的基础上,计算得到了具有一定系统可靠度的埋管管长,并讨论了设计参数变异性对管长计算结果的影响程度。

基于矢量约束的随机特征点选取算法

无人机利用视觉在未知区域自主着降时,提取的特征点具有数量多、随机性强等特点。针对利用随机特征点进行位姿估计精度低、稳定性差的问题,提出一种基于矢量约束的随机特征点选取算法。首先通过分析位姿估计方程可知,特征点地理坐标是影响方程组求解精度的重要因素;然后在引入矢量角均分度、矢量模值均值及矢量模值最大值三项约束指标基础上,制定了一种基于矢量约束的特征点选取策略;最后利用正交迭代算法对所选取的特征点进行位姿估计精度验证。实验结果表明,提出的算法相比于随机选取的特征点进行相对位姿估计精度更高,鲁棒性更强。

强震复发的随机特征滑动模型及其应用方法研究

本文针对具有明确分段的特征断层源,从震级的不确定性出发,在弹性回跳理论的基础上提出一种随机特征滑动模型（stochastic characteristic-slip model,SCS）。在随机特征滑动模型中,不仅在参数确定过程中考虑了震级与复发间隔之间的相关性,还可以在计算未来一段时间内地震发生概率的过程中,同时得到特征地震的震级分布。本论文主要包括两个研究方向：1随机特征滑动模型及其参数的确定方法,其中,强震复发的统计规律是确定模型参数的基本依据;2随机特征滑动模型在强震发生概率计算和地震危险性分析中的应用方法研究。随机特征滑动模型及其参数的确定方法包括以下3个主要内容：（1）针对强震复发概率的计算,本文在弹性回跳理论和特征地震模型的基础上提出一种随机特征滑动模型。它是一种计算强震复发概率的模型,其目的是为地震危险性分析提供依据。在地震危险性分析过程中,要考虑强震复发的时间相关性,不仅需要给出复发周期的分布,还需要给出震级的分布。从地震矩累积的角度来考虑,两者是相关联的,不可以独立考虑。因此,在随机特征滑动模型的建立及其参数确定的过程中,均需考虑震级与复发间隔的相关性。虽然断裂上的地震矩累积率并不是恒定不变的,因此累积时间和震级的关系也存在一定的不确定性和随机性,但对于大地震特别是7.5级以上的特大地震而言,研究表明这种随机扰动并不大。此外,在当前的认识水平上,在强震发生概率的计算中,若还同时可以得到一个合理的具有平均意义的震级分布,对地震危险性分析工作具有一定的实用价值。针对断层破裂尺度数据和历史地震数据,本文分别提出了两种SCS模型参数的确定方法。若利用断层破裂尺度来确定随机特征滑动模型的参数,需要首先得到震级-破裂尺度的经验关系式;若利用历史地震或古地震数据来确定模型的参数,则需要首先确定强震复发周期的自然变异性或不确定性。（2）震级-破裂尺度的统计规律研究。本文系统搜集和整理了48个中国板内强震的发震断层的震源破裂参数和震级资料（包括面波震级与矩震级）,并在此基础上利用最小二乘拟合方法得到各种震级与破裂尺度之间的经验关系式,并与前人给出的关系式进行了比较研究。同时还得到了我国面波震级与矩震级之间的经验关系式。（3）强震复发周期的统计规律研究。对于归一化无量纲地震复发间隔数据（T/Tave）,本论文利用蒙特卡罗方法研究表明：不同样本量的T/Tave数据是不符合独立同分布的,而不符合独立同分布的数据不可以放在一起进行统计。针对这个问题,本研究对利用归一化无量纲地震复发间隔（T/Tave）数据进行拟合的方法做了改进,提出对非同分布的数据先进行标准化处理,然后再放在一起统计,与前人的计算方法相比,这种新的计算方法在数学上更为合理。本研究分别利用前人和自己收集的不同区域范围（环太平洋地震带、郯庐断裂带、青藏高原东北部等区域）的T/Tave数据集进行统计分析,结果表明：利用不同区域范围的数据集所得到的στ存在一定的差异,变化范围在0.30~0.42之间。但由于每个数据集中的T/Tave的数据量有限,我们也很难确定στ是否存在区域性差异,更难对这种差异性进行定量化。断层源上复发周期的自然变异性一般也会采用复发间隔变异系数α来描述。对于变异系数α的确定,除了可以由T/Tave统计得到,本研究还提出了一种通过对大量断层源上的复发间隔变异系数估值α′的统计来确定α的方法。该方法首先利用最大似然估计法计算出不同地震序列的变异系数估计值,然后再对这些变异系数的估计值进行统计分析。本文在广泛搜集的39个地震序列的基础上,利用本文给出的计算方法得到了一个通用的变异系数值α=0.34。随机特征滑动模型在强震发生概率计算和地震危险性分析中的应用方法研究包括以下4个主要内容：（1）在随机特征滑动模型的基础上,本文又提出了基于随机特征滑动模型的地震危险性分析方法。该方法中独立考虑研究区域内地震地质资料较丰富的一级破裂源,时间分布上采用随机特征滑动模型,空间分布上采用特征地震的原地复发模式,同时考虑断层几何形态的不确定性。利用本文方法得到的地震危险性计算结果具有很强的时间相关性,可以为地震灾害预防和地震备灾等工作提供数据支持。（2）利用随机特征滑动模型或其他更新模型来计算未来几十年内发生强震的条件概率时,需要给出上一次大震的离逝时间T,而很多活动断裂缺少历史大震的记载,若采用泊松模型可能会低估强震发生的概率。针对这种缺少大震离逝时间的活动断裂,本研究提出了一种以记载完整的强震平静期长度Ts为参数的条件概率计算方法。本文以东昆仑断裂带塔藏段为例,利用本文给出的条件概率计算方法得到：塔藏段未来50年发生强震的可能性为0.075 8。该计算方法不仅适用于随机特征滑动模型,还适用于其他更新模型。跟世界上大多数国家相比,我国有着相对悠久的地震史料记载,因此,该方法对于强震发生概率的估计具有重要意义。（3）由于断层破裂活动的复杂性,一个大的破裂往往不是单一的破裂,而是包含有较小量级的破裂。这些较小量级的破裂,可能分布于破裂段上的特定段落,构成次级破裂单元。对于一些较大断裂,次级破裂源上也可以发生震级较大的强震。采用泊松模型可能会低估这种中强地震的发生率,因此,在次级破裂源上强震发生概率的计算中考虑到地震复发的时间相关性也很重要。若要建立次级破裂源上的随机特征滑动模型,首先需要明确不同破裂源上的年平均地震矩累积率M0,这就要求将断层上的地震矩累积率合理地分配到不同级别的破裂源上。本文分成两种情况分别讨论次级破裂源上的地震矩累积率M0的确定方法。第一种情况是次级破裂源上历史地震（或古地震）序列比较稀少,只有地质学家给出的不同破裂源发生地震的相对发生率,针对这种情况,本研究基于地震矩平衡的原则,提出一种地震矩累积率分配方法;第二种是次级破裂源上有相对丰富的历史地震（或古地震）序列的情况,并以古地震资料较为丰富的海原断裂为例,计算了次级破裂源上的地震矩累积率和强震发生概率。（4）随机特征滑动模型的基本假定是特征断层源上的地震矩累积率在较长时期上是恒定的,这是一个理想化模型,实际上,特征断层源上的地震矩累积率不是恒定的,而是存在一定的随机扰动和不确定性,这种扰动可能由中小地震的地震矩释放以及断层间库仑应力转移等原因造成的。为了在随机特征滑动模型中考虑这种不确定性,本研究提出了一种考虑断层间相互影响的改进随机特征滑动模型。在该模型中,假定断层源上的地震矩自然累积率是恒定的,同时还要考虑中小地震释放和附近大地震库仑应力转移对该断层源上地震矩积累量的改变量。本研究选取鲜水河北西段为研究对象,反复模拟未来50年的地震序列,得到了鲜水河北西段的炉霍、倡促、道孚和乾宁各段上包括单段破裂和联合破裂在内的各种大地震事件的发生概率。

函数S—粗集的随机特征及图像信息加密

在函数S—粗集的基础上,结合元素迁移的随机特征提出了函数S—随机粗集的概念,给出了图像生成的概念及图像加密定理和加密图像还原定理,并举例说明函数S—随机粗集在图像信息安全传递中的应用。

基于概率选取随机特征点的单目视觉SLAM方法

针对机器人单目视觉同时定位与地图构建(SLAM)问题,利用SIFT特征点,结合反向深度估计法,提出基于概率统计SIFT特征点的随机选取方法.在保证特征点分布相对均匀的前提下,有效控制了特征点的总体数量,减少了单目视觉EKF-SLAM(扩展卡尔曼滤波SLAM)方法的应用限制.实验研究表明,该特征点选取方法对不同场景均具有较高的稳定性,并且一定程度上提高了算法的收敛速度.

工程结构的随机特征问题研究及其在梁结构中的应用

采用子结构模态综合和摄动随机有限元相结合求解工程结构的随机特征问题。为求出随机特征对的方差 ,借助于模态截断概念推出诸特征值与特征向量对随机变量的偏导数。以梁结构为典型算例 ,定量研究了子结构动模态的选取个数与随机特征对的计算精度间关系 ,以梁的长细比首次确定使用Timoshenko梁和Euler Bernoulli梁两模型求解梁类工程结构随机特征问题的适用范围。

气象因素的随机特征分析

以气象因素的随机性为研究对象,介绍了气象因素的统计特征分析步骤,通过Box-Cox幂变换法,正态假设检验以及参数区间估计,获得气象因素满足一定显著性水平和概率值的气象因素区间值。

采用半随机特征采样算法的中文书写纹识别研究

N-gram字符序列能有效捕捉文本中作者的个体风格信息,但其特征空间稀疏度高,且存在较多噪音特征。针对该问题,提出一种基于半随机特征采样的中文书写纹识别算法。该算法首先采用一种离散度准则为每个作者选取一定粒度的个体特征集,然后将个体特征集以一种半随机选择机制划分成多个等维度的特征子空间,并基于每个子空间训练相应的基分类器,最后采取多数投票法的融合策略构造集成分类模型。在中文真实数据集上与基于随机子空间和Bagging算法的集成分类器进行了对比试验,结果表明,该算法在正确率和差异度方面优于随机子空间和Bag-ging算法,并且取得了比单分类模型更好的识别性能。

简支梁随机特征值的探讨

根据具有不定参数的结构特征值Taylor展开式,推导出特征值随机变化的统计特性(均值、方差)计算公式.以具有随机参数的简支梁为例,运用摄动Riccati传递矩阵法,计算了简支梁在结构质量密度发生随机变化时结构特征值的统计特性,通过数值解和理论解的比较,验证该方法的适用性,利用该方法还计算了当简支梁截面抗弯刚度和长度分别发生随机变化时随机特征值的均值及方差,定量描述了具有随机参数的简支梁结构特征值的统计特性.

结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping,MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH,PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明,PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。

基于随机特征映射的四层多核学习方法

针对单核网络模型的核函数选择无理论依据以及基于随机特征映射的四层神经网络(FRMFNN)节点规模过大的问题,提出了一种基于随机特征映射的四层多核学习神经网络(MK-FRMFNN)算法。首先,把原始输入特征通过特定的随机映射算法转化为随机映射特征;然后,经过不同的随机核映射生成多个基本核矩阵;最后,将基本核矩阵组成合成核矩阵,并通过输出权重连接到输出层。对原始特征进行随机映射的权重是根据任意连续采样概率分布随机生成的,不需要训练更新,且对输出层的权重使用岭回归伪逆算法进行快速求解,从而避免了反复迭代耗时的训练过程。MK-FRMFNN在基本核映射时引入了不同的随机权重矩阵,生成的合成核矩阵不仅可以综合各种核函数的优势,而且可以集合各种随机分布函数的特性,使数据在新的特征空间中获得更好的特征选择和表达效果。理论和实验分析表明,与宽度学习系统(BLS)及FRMFNN等单核模型相比,MK-FRMFNN模型的节点规模减小了2/3左右,且分类性能稳定;与主流的多种多核模型相比,MK-FRMFNN模型能够对大样本数据集进行学习,并且分类性能明显更优。

基于随机特征子空间及加权核函数的 SVM 算法

为克服 SVM 算法缺乏高效率和低准确率的问题，笔者对 SVM 算法进行改进。首先通过采用 ReliefF 算法得到各个特征权值，然后基于随机特征子空间方法，即每次都选取权值较大的几个特征，再从剩余特征中随机选取一定数量特征共同组成一个特征空间来表示样本的一个视图。在进行训练分类器时，将特征的权值也应用于 SVM 的核函数中。实验表明，本文算法能有效提高 SVM 的分类精度。

随机特征映射的四层神经网络及其增量学习

提出了一种基于随机特征映射的四层神经网络(FRMFNN)及其增量学习算法。FRMFNN首先把原始输入特征通过特定的随机映射算法转化为随机映射特征存储于第一层隐藏层节点中,再经过激活函数对随机映射特征进行非线性转化生成第二层隐藏节点,最后将第二层隐藏层通过输出权重连接到输出层。由于第一层和第二层隐藏层的权重是根据任意连续采样分布概率随机生成的而不需要训练更新,且输出层的权重可以用岭回归算法快速求解,从而避免了传统反向传播神经网络耗时的训练过程。当FRMFNN没有达到期望精度时,借助于快速的增量算法可以持续改进网络性能,从而避免了重新训练整个网络。详细介绍了FRMFNN及其增量算法的结构原理,证明了FRMFNN的通用逼近性。与宽度学习(BLS)和极限学习机(ELM)的增量学习算法相比,在多个主流分类和回归数据集上的实验结果表明了FRMFNN及其增量学习算法的有效性。

随机特征上一致中心调节的支持向量机

支持向量机(SVM)是最为流行的分类工具,但处理大规模的数据集时,需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出一种新的并行SVM算法,RF-CCASVM,可在有限计算资源上求解大规模SVM。通过随机傅里叶映射,应用低维显示特征映射一致近似高斯核对应的无限维隐式特征映射,从而用线性SVM一致近似高斯核SVM。提出一致中心调节的并行化方法。具体地,将数据集划分成若干子数据集,多个进程并行地在各自的子数据集上独立训练SVM。当各个子数据集上的最优超平面即将求出时,用由各个子集上获得的一致中心解取代当前解,继续在各子集上训练直到一致中心解在各个子集上达到最优。标准数据集的对比实验验证了RF-CCASVM的正确性和有效性。

基于伪随机特征码的电子通信双频干扰检测研究

由于传统电子通信双频干扰检测方法在实践中经常出现漏检现象,且漏检双频干扰数量较多,因此提出基于伪随机特征码的电子通信双频干扰检测研究。结合时间序列分析技术统计并分析电子通信传输的异常流量信号,区别未受到双频干扰影响的正常通信流量信号和双频异常流量信号。利用伪随机特征码判断待测信号的具体长度,根据电子通信信号的短时性特征,识别电子通信双频干扰信号。针对检测到的双频干扰建立电子通信双频干扰抑制方案,以完成基于伪随机特征码的电子通信双频干扰检测。实验证明,设计方法漏检双频干扰数量少于传统方法,适用于电子通信双频干扰检测。