100G OTN信号非协作模式下ODU2识别研究

针对非协作模式应用场景下OTN内部不同速率信号分析的需求,其映射复用结构识别越来越重要。基于常见100G OTN中ODU4信号,分析了ODU2帧在不同时隙分布情况,提出了一种100G OTN内部其映射复用的ODU2结构识别方案,给出了其原理分析和关键算法设计实现。结果表明,当前方案能够有效识别ODU2,同时对其他ODU3、ODU0识别都有借鉴意义。

基于长短期记忆网络的CO_(2)气层识别方法

CO_(2)监测是油气开采中的关键环节,传统的CO_(2)监测方法面临很多挑战,在人工智能逐渐兴起的当下,深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO_(2)气藏发育,传统测井方法无法准确评价储层流体。构建了基于长短期记忆网络(LSTM)的CO_(2)气层识别模型,采用m×2正则化交叉验证优选CO_(2)敏感测井参数,并对模型进行训练。利用该模型对珠江口盆地恩平凹陷L2井CO_(2)气层进行识别,并与支持向量机和K近邻算法识别结果进行对比。结果表明,3种深度学习算法对CO_(2)气层的识别效果良好,其中LSTM算法对CO_(2)气层的识别效果最好,准确度达93.4%,为深层CO_(2)气层识别工作提供了新思路。

5-磷酸吡哆醛缩合罗丹明B席夫碱合成及对Cu^(2+)的识别研究

合成了吡哆醛-5-磷酸罗丹明B席夫碱.通过紫外-可见光光谱法研究了该化合物对Cu^(2+)的识别能力:在丙酮-水(体积比1∶1)混合体系中,加入Cu^(2+)后,在526 nm处出现了一个新的吸收峰,并且随着Cu^(2+)的加入,吸收强度逐渐增强.在(0.25~10)×10^(-6) mol/L的浓度范围内,检测结果呈现出良好的线性关系(R^(2)=0.9993),检测限为2.30×10^(-7) mol/L.

Pb^(2+)识别响应型智能高分子功能材料的研究进展

发酵生物甲烷的菌群可以吸附Pb2+等重金属而在沼液和沼渣中富集;因此,在生物甲烷系统研究过程中,Pb2+等重金属离子的检测和处理是沼液和沼渣处理的关键问题之一。18-冠-6具有选择性络合Pb2+的能力,研究者们将18-冠-6的Pb2+识别特性与聚N-异丙基丙烯酰胺的相变行为特性相结合制备了一系列Pb2+识别响应型智能高分子功能材料。本文综述了基于18-冠-6和聚N-异丙基丙烯酰胺的离子识别响应型智能高分子材料在检测和去除Pb2+等方面的研究进展。

P2P流量识别技术综述

在归纳P2P流量识别问题概念的基础上,对现有的P2P流量识别技术进行了较全面地分析。借助分类模型形式化地定义P2P流量识别问题,依据所采用的识别特征将已有技术分为基于端口号、基于流量特征、基于应用层签名、基于双重特征和基于统计行为特征五类方法,并对各类方法进行了介绍、分析与优劣对比。探讨了新兴的P2P流媒体流量识别问题,总结了P2P流量识别技术的发展趋势。

基于特征进程的P2P流量识别

为了解决P2P流量识别中用户使用端口跳跃、数据加密等方法带来的识别难题,通过对主机进程与网络流量相关性的研究,提出一种基于特征进程的P2P流量识别系统,在客户端通过进程匹配完成P2P流量的识别,并且具有发现未知P2P进程的能力。实验表明,该系统对于P2P流量具有较高的识别能力。

基于最优ABC-SVM算法的P2P流量识别

目前对等网络(peer-to-peer,P2P)流量的识别是网络管理研究的热门话题。基于支持向量机(support vector machine,SVM)的P2P流量识别方法是常用的P2P流量识别方法之一。然而SVM的性能主要受参数和其使用特征的影响,传统的方法是将SVM的参数优化和特征选择问题分开处理,但是难以获得整体性能最优的SVM分类器。针对以上问题进行了研究,提出了一种基于最优人工蜂群算法与支持向量机相结合的P2P流量识别方法。利用人工蜂群算法,将SVM的参数和特征选择问题视为最优化问题同步处理,可以获得整体性能最优的参数和特征子集。在真实的P2P数据上的实验结果表明,提出的方法具有很好的自适应性和分类精度,能够同时获取特征子集和SVM参数的最优解,提高SVM分类器的整体性能。

火山岩CO2气层识别与含量预测

火山岩气藏是近年来新的油气勘探开发对象。随着天然气产量的不断提高，我国松辽盆地火山岩气藏CO2的产量也不断增加。正确地识别出烃类气层和CO2气层，并定量地预测CO2在产气中的相对含量对于安全生产以及工程设计具有重要的意义。由于受复杂火山岩岩性的影响，识别烃类气层和CO2气层必须克服岩性的影响。在孔隙度测井交会图上识别出岩性变化方向和孔隙度变化方向，并据此得到声波—中子重叠受岩性影响较小的结论，为区分储层中烃类气和CO2气提供了一种手段。利用中子—密度—声波3种孔隙度重叠图技术定性识别出火山岩的烃类气层和CO2气层。利用气体分析给出的CO2含量与相应深度的测井响应值采用BP神经网络建立非线性关系，预测储层产气中的CO2含量，将预测的CO2 含量与试气结论对比，表明用BP神经网络预测CO2含量具有一定的可靠性。

基于过抽样技术的P2P流量识别方法

针对P2P类不平衡问题提出将复杂的多类不平衡问题转化为简单的两类不平衡问题,再通过迭代SMOTE过抽样技术丰富P2P的概念表达,从而提高P2P流量的识别率。实验结果表明,该方法可以显著提高诸如Na觙ve Bayes这样的简单模型在P2P上的识别率,由此可证明该方法对于改善P2P类不平衡问题的有效性。

新型两亲性混配钌配合物的合成及其对Hg^(2+)的选择性“肉眼”识别

采用与文献不同的路线合成了4,4′二(p甲基苯基)2,2′二联吡啶,与文献结果相比,总收率由4.0%提高至15.3%.该化合物和4,4′二羧基2,2′二联吡啶组成混合配体与金属钌配位,合成了两亲性、混配型配合物cisN,N4,4′二(p甲基)苯基2,2′二联吡啶N,N4,4′二羧基2,2′二联吡啶N,N二异硫氰钌配合物,并用IR,UVVis,NMR和MaldiTOF等手段进行表征.将该两亲性混配钌配合物首次用于对Hg2+的识别中,发现此配合物对Hg2+表现出灵敏的选择性“肉眼”识别:在DMF/乙醇溶液(体积比1∶9)中加入Hg2+后,MLCT态吸收由530nm蓝移到485nm.该配合物与Hg2+以1∶1(摩尔比)结合,检测限可低至0.5×10-6mol/L.

P2P流实时识别技术研究

分析了P2P流识别技术。为了提高P2P流识别的实时性,提出了基于实时属性集分类的P2P流识别方法。测试结果表明,该方法在不影响P2P流量检测精度的前提下缩短了检测时间。

利用半监督近邻传播聚类算法实现P2P流量识别

为了解决利用少量标记样本实现准确的P2P流量识别,提出了一种基于半监督近邻传播(AP)聚类算法的P2P流量识别方法.首先对少量样本进行标记,然后在聚类过程中为标记样本和非标记样本设置不同的参考度,使标记样本能够优先成为类代表点,进而通过样本间的消息加权更新完成聚类,最后按照相应的"标记-类别映射"规则实现对P2P流量的识别.研究了参考度与消息加权更新对识别性能的影响,实验结果显示:当标记样本的比例为5%时,对P2P流量的识别准确率高于90%,误识别率低于3%;当标记样本的比例达到15%后,识别准确率高于95%,最高可达98%,而误识别率则低于1%;识别性能随标记样本比例的提高而提高.

基于K均值和双支持向量机的P2P流量识别方法

针对目前常用于P2P流量识别的有监督机器学习方法普遍存在时间代价较高的现状,提出采用时间代价为标准支持向量机四分之一的双支持向量机来构建分类器,并采用K均值集成方法快速生成有标签样本集,组合有标签样本集构成双支持向量机的训练样本,最后利用构建好的双支持向量机分类模型进行P2P流量的识别。实验结果表明采用基于K均值集成结合双支持向量机的方法在P2P流量识别的时间代价、准确率和稳定性方面要远优于标准支持向量机。

基于混沌粒子群算法和小波SVM的P2P流量识别方法

针对对等网络(Peer-to-Peer,P2P)流量具有的多尺度和突变性等问题,提出了基于小波核函数的支持向量机(Support Vector Machine,SVM)的P2P流量识别算法。进一步,对常用的SVM参数训练方法训练时间过长和易陷入局部极优值等缺陷进行分析,使用混沌粒子群算法对SVM参数进行优化以提高参数训练效率和识别准确率。最后利用真实的校园网网络流量数据对所提方法的有效性进行测试,结果表明,相对于使用传统核函数和参数训练方法的支持向量机P2P流量识别方法,所提方法具有更高的P2P流量识别正确率和计算效率。

2f光电混合匹配滤波相关识别研究

提出一种光电混合匹配滤波相关识别方法,只用一个空间光调制器实现了匹配滤波相关识别。利用计算机完成匹配滤波器的设计以及匹配滤波器与输入目标频谱的卷积运算,根据最小欧氏投影编码原理将卷积结果转化为空间光调制器可以显示的灰度信号,再通过2f光学傅里叶变换系统,得到相关识别结果。实验结果表明,该方法可以得到明显的相关点,同时可以避免传统VLC中匹配滤波器的精确复位问题,而且该系统还可以应用于联合变换相关识别。

一个基于云计算的P2P流量识别系统模型的研究

首先分析了当前网络中P2P流量的占比情况和给网络带来的压力,指出了实际应用中网络流量识别技术存在的问题,给出了深度分组检测技术和流量特征识别技术的实现原理。在此基础上,提出了一种基于开源云计算平台Hadoop,采用MapReduce分布式并行计算架构,构建了将深度分组检测技术和流量特征识别技术相结合的P2P流量识别系统的设计模型。实验结果表明,本文提出的模型能够有效地识别P2P流量,并且在面对大流量时拥有比单机识别更快的识别速度。

基于对等特征的P2P流量识别方法

针对P2P网络的最基本特征:网络节点对等,每个节点既是服务器又是客户端。本文提出了一个简单高效的解决P2P流量识别方法,该方法没有用到应用层的协议,不需对数据包进行应用层解析,只判断源地址、目标地址及端口号。实验结果表明该方法执行效率高,并且对加密数据包以及未知P2P应用的数据包都有很好的识别效果。

基于集成学习的P2P流量识别模型

将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明,该模型具有较高的P2P流量识别准确率。

一种基于混沌粒子群算法和支持向量机的P2P流量识别方法

对等网络技术P2P(Peer-to-Peer)在丰富了互联网应用的同时也带来了很多安全问题,因此,如何进行P2P流量的识别是网络管理研究的热点和难点问题。其中支持向量机在P2P识别问题中具有较好的效果,然而支持向量机的分类性能很大程度取决于核函数参数和惩罚参数。基于遗传算法、粒子群算法的支持向量机参数优化方法都存在易陷入局部最优解的问题,优化性能需要进一步改善。为进一步改善支持向量机参数优化问题,提出一种基于混沌粒子群的支持向量机参数优化方法,并将其应用于P2P流量识别问题。利用真实的校园网网络流量作为研究对象进行分类实验,结果表明,混沌粒子群优化的支持向量机具有更高的P2P分类正确率和计算效率。

应用PBT-X2型识别仪进行结核蛋白生物芯片检测

应用PBT-X2型生物芯片识别仪快速检测结核分支杆菌抗体。采用CCD原理结合视频采集技术,将生物芯片标本信息输入计算机,并通过专用分析软件对结核LAM、16-kDa、38-kDa蛋白芯片检测信号的定量分析和定性结果判定。分析了1 884人的3项指标检出率分别为45.6%、17.9%、22.0%,若蛋白芯片临界值控制好,对结核病的诊治具有参考价值。