基于相似性原理的燃气电厂给水泵异常检测方法研究

设备运行监盘是燃气电厂重要的工作内容,提前识别设备运行中可能出现的异常并进行可靠预警,对保障电厂安全平稳运行至关重要。文章以燃气电厂给水泵为研究对象,基于大量运行历史数据,开发了一种基于相似性原理(SBM)和序列概率比检验(SPRT)的异常检测算法模型。通过建立当前观测向量与代表设备健康运行状态矩阵之间的相似度模型,得到各特征当前时刻预估值,并对不同时刻下各特征的模型预测残差进行均值检验,识别设备运行异常。结果表明,该预警方法可以使参数在偏离正常运行工况还未超过控制系统报警值之前,发出预警,弥补了原有工控系统固定值报警以及人工监盘导致的感知滞后、监视不到位的问题,为设备预测性维护提供技术支撑。

基于Jump-SBERT的二进制代码相似性检测技术研究

二进制代码相似性检测技术在不同的安全领域中有着重要的作用。针对现有的二进制代码相似性检测方法面临计算开销大且精度低、二进制函数语义信息识别不全面和评估数据集单一等问题,提出了一种基于Jump-SBERT的二进制代码相似性检测技术。Jump-SBERT有两个主要创新点,一是利用孪生网络构建SBERT网络结构,该网络结构能够在降低模型的计算开销的同时保持计算精度不变;二是引入了跳转识别机制,使Jump-SBERT可以学习到二进制函数的图结构信息,从而更加全面地捕获二进制函数的语义信息。实验结果表明,Jump-SBERT在小函数池(32个函数)中的识别准确率可达96.3%,在大函数池(10000个函数)中的识别准确率可达85.1%,比最先进(State-of-the-Art,SOTA)的方法高出36.13%,且Jump-SBERT在大规模二进制代码相似性检测中的表现更加稳定。消融实验表明,两个主要创新点对Jump-SBERT均有积极作用,其中,跳转识别机制的贡献最高可达9.11%。

《临床外科杂志》采用万方数据论文相似性检测系统

《临床外科杂志》编辑部采用万方数据论文相似性检测系统,并将其作为审稿的一个重要工具。论文相似性检测系统为互联网在线模式,设有强大的文献对比数据库,实时更新,具有科学性和专业性。该系统可以自动检测来稿复制率情况,有效地识别和淘汰了部分存在学术不端的论文。此举将严把学术质量关,为广大作者、读者提供一个公平、公正、权威的学术交流平台,维护本刊刊稿的严肃性和科学性。本刊对复制率超过25%的稿件不予采用。

文本指纹在旋律相似性检测中的应用研究

旋律抄袭是一个严重的问题,实现音乐旋律的相似性检测对于整治音乐抄袭具有极其重要的作用。为有效识别旋律抄袭,本文提出一种基于文本指纹的旋律相似性检测方案。该方法通过将音乐旋律转换为文本,使用N-gram算法对长旋律片段进行分片并进行哈希编码,通过MinHash算法生成文本指纹,最后使用LSH算法进行快速相似性检索,实现旋律之间的高效匹配。实验结果表明,该方案的相似性识别的平均准确率达到90%以上,能够有效识别存在剽窃行为的音乐旋律。

基于邻居相似性的图嵌入社区检测算法

社区检测是复杂网络中的研究热点,理解和发现网络的社区结构对于探索网络的行为和功能具有重要意义。提出了一种新颖的基于邻居相似性的图嵌入方法进行社区检测。基于节点的邻居相似性和接受度聚合邻居的属性信息表达,得到网络中每个节点的向量表达后,直接进行K-均值聚类得到最终的社区划分结果。实验结果表明:提出的算法具有更好的社团划分结果,其模块性和标准归一化指标都有明显的提升。

纺织品色牢度检测中光谱相似性模型的构建

色牢度检测对纺织品质量至关重要,而光谱相似性模型能提供更加精确和客观的评估方法。基于此,本文构建光谱相似性模型用于检测纺织品色牢度并进行对比实验。实验结果表明,模型在多种条件下表现出高准确性,预测的色牢度等级与实际测量的灰度等级具有较高的一致性,准确率能达到85%以上。未来可进一步优化以提升实际应用效果。

视频相似性检测方法综述

针对大数据时代服务器端存在众多冗余数据,降低文件检索效率的问题,对代表性的视频相似性检测方法和研究进展进行了总结。首先,介绍了相似性视频的定义及检测流程,分析完整检测系统应具备的视频预处理、特征提取、特征匹配3大模块,并详述了具体实施方法;然后,针对视频相似性检测方法展开阐述,从基于视频时空信息分类、视频特征分类和视频多模态检测方法3个层面深入分析了各方案的实现原理及优缺点;最后,对相似性检测领域常用的数据集进行归纳,对经典算法的检测性能进行了对比,并探讨了视频相似性检测领域存在的问题,对未来发展趋势进行了展望。

基于记忆单元与多尺度结构相似性的异常检测

针对基于记忆单元的自编码器模型(Dynamic Prototype Unit Model,DPU)在检测视频异常时没有充分利用多层次特征、未考虑异常与正常事件间的结构性差异的问题,提出融合多尺度记忆模块和多尺度结构相似性的异常检测模型.新模型构建了多尺度记忆模块(Multi Scale Memory Module),利用不同尺度空间的记忆单元对编码层特征进行编码,并将编码结果与解码层特征拼接,既能保留网络的浅层细节信息,又能促进正常模式的多样性.为了约束对正常事件中结构信息的学习,组合多尺度结构相似性(Multi Scale Structure Similarity Index,MS-SSIM)误差与误差作为目标函数,使预测视频中的事件结构更接近正常事件,提高视频中异常事件的预测误差.在标准数据集UCSD Ped1、UCSD Ped2和Avenue数据集上的实验结果表明,提出模型的帧级AUC比原模型分别提高了0.8%、3.4%和1.0%,帧率达到142.9 fps.

基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。

基于近场扫描和相似性度量的电路板故障区域检测

故障区域检测是电路板故障诊断的重要内容之一,近年来大量研究工作致力于通过理论仿真探索电路板故障诊断方法,但仿真条件与实测环境之间的差异降低了此类方法在实际应用中的可行性。结合实测电路板数据的特点,本文提出了一种基于近场扫描和时间序列相似性度量的电路板故障区域检测方法,该方法通过近场扫描获取正常状态、故障状态下的电路板的电磁辐射数据,采用变分模态分解(VMD)方法进行原始数据降噪,此后将两种状态的数据视为两类时间序列,运用改进的时间序列相似性度量算法计算两类时间序列的距离值,根据距离值判断电路板故障区域。根据数据集实验结果,使用本文的相似性度量算法处理时间序列相对其他算法展现出更佳的度量能力,距离值的分类精度也比3种对比算法分别高出6.3%、8.4%、4.2%。同时,实测数据实验结果和理论仿真结果的一致性验证了本文方法的可行性和实用性,该方法为电路板故障诊断提供了新的实现方式。

基于TFER及退化趋势相似性分析的轴承剩余使用寿命预测

为了解决传统退化指标对轴承退化起始点的敏感性差,以及退化指标趋势偏移导致无法准确预测风力机轴承剩余使用寿命(RUL)的问题,提出了一种基于Teager能量算子-故障能量比(TFER)与退化趋势(DT)相似性检测相结合的双指数轴承RUL预测方法。首先,通过计算原始信号的TFER值,根据4σ原则确定轴承退化起始点,提取了TFER值趋势特征作为退化指标;然后,采用历史TFER值拟合双指数退化模型,通过分析最新TFER值与拟合曲线的相似性,选取了最佳DT段;最后,通过外推相似性最佳的DT段至失效阈值,进行了风力机轴承RUL预测。实验结果表明:该预测方法对退化起始时间点的检测精度达到98%,与原始指数模型、长短期记忆神经网络(LSTM)以及支持向量回归(SVR)相比,该方法在轴承RUL预测精度上分别提高了10.04%、6.29%、5.22%。该方法不仅提升了风力机轴承的预测性维护精度,还对降低运营成本和提高维护效率提供了有力支撑。

基于轮廓点相似性测度的2D-3D医学图像配准算法

针对传统配准算法无法适用于成像模糊、对比度低的X光医学图像的问题,本文提出一种基于轮廓点相似性测度的配准技术.首先引入分块双阈值增强策略来提取DRR图像和X光图像的边缘轮廓信息;其次,采用高斯加权欧氏距离计算图像轮廓的相似度;最后通过平衡优化器算法进行迭代优化,得到最优的位姿参数.实验结果表明:本文算法能够精确提取模糊X光图像的边缘轮廓信息,而且可以准确评估其与CT数据的相似度,平均配准成功率超过94%,算法效率和鲁棒性优于传统算法,可用于医疗诊断、放射疗法、图像引导手术等医学活动.

基于预训练汇编指令表征的二进制代码相似性检测方法

二进制代码相似性检测技术近年来被广泛用于漏洞函数搜索、恶意代码检测与高级程序分析等领域,而由于程序代码与自然语言有一定程度的相似性,研究人员开始借助预训练等自然语言处理的相关技术来提高检测准确度。针对现有方法中未考虑程序指令概率特征导致的准确率提升瓶颈,提出了一种基于预训练汇编指令表征技术的二进制代码相似性检测方法。设计了面向多架构汇编指令的分词方法,并在控制流与数据流关系基础上,考虑指令间顺序出现的概率与各个指令单元使用的频率等特征设计预训练任务,以实现对指令更好的向量化表征;结合预训练汇编指令表征方法,对二进制代码相似性检测下游任务进行改进,使用表征向量替换统计特征作为指令与基本块的表征,以提高检测准确率。实验结果表明,与现有方法相比,所提方法在指令表征能力方面最高提升23.7%,在基本块搜索准确度上最高提升33.97%,在二进制代码相似性检测的检出数量上最高增加4倍。

基于数据依赖的跨架构二进制代码相似性分析

二进制代码相似性检测(Binary Code Similarity Detection,BCSD)技术在逆向工程、漏洞检测、恶意软件检测、软件抄袭以及补丁分析等学术应用领域发挥着重要作用。大多数研究已经集中在对二进制函数进行控制流嵌入和基于自然语言处理(Natural Language Processing,NLP)技术的底层代码嵌入技术的研究之中。然而,需要指出的是,函数在实际运行中不仅包含控制流信息,还包括数据流语义信息。因此,如何全面抽象函数的语义特征显得尤为关键。为此,该文提出了BS-DD模型,这是一个融合了控制流和数据依赖关系的二进制函数相似性判断框架。通过模拟执行二进制代码的方法来提取语义信息,并运用化简算法构建数据依赖关系图。最后,借助图神经网络进行相似性判别。对来自开源社区的7个广泛使用的软件进行了不同组合的编译,并在此基础上设计了3个不同的任务场景以及真实的漏洞检测实验,用以比较BS-DD方法与最新基于数据流的BCSD方法的性能。实验结果显示,该模型在召回率和MRR(Mean Reciprocal Rank)分数方面取得了显著的提高。在真实环境的漏洞检测中,该模型也始终优于其他方法。

基于帧间相似性的目标检测FPGA加速器设计

为解决视频目标检测应用上的神经网络硬件加速问题,提出一种基于视频应用中连续输入之间高度相似性的YOLO卷积网络FPGA加速器。提出增量计算与快速卷积算法结合的优化方法,使用增量计算以跳过连续输入间相似部分的卷积运算;使用快速卷积算法增加并行计算资源的利用效率。实验结果表明,加速器算力约为238 GOP/s,增量计算以及快速卷积算法为加速器分别提供1.31倍与2.11倍的加速比,相较于同类网络加速器,DSP效率上有1.90倍到5.43倍的提升。

基于时间序列相似性的网络社区检测方法

社区检测作为目前复杂网络的研究热点之一,其检测结果能帮助人们深入理解复杂网络的网络结构和内在运行机制,并具有非常高的应用价值。随着数据采集等技术的不断发展,复杂系统中的个体所具有的海量时间序列数据得以保存。本文针对一些具有时间序列数据的复杂系统,提出根据时间序列之间的相似性重构出其对应的复杂网络,并利用阈值法将网络进行了相应的简化,最后利用社区检测算法将网络划分为不同的社区,从而对复杂网络的网络拓扑结构和社区结构进行理解和分析。利用上证180指数成分股票的收盘价时间序列数据对该方法进行了实验分析验证,结果表明了该方法能够有效地检测出网络中的社区结构。

基于词序嵌入的二进制基本块相似性检测

神经机器翻译技术能够自动翻译多种语言的语义信息,已被应用于跨指令集架构的二进制代码相似性检测,并取得了较好的效果.将汇编指令序列当作文本序列处理时,指令顺序关系很重要.进行二进制基本块级别相似性检测时,神经网络使用位置嵌入来对指令位置进行建模.然而,这种位置嵌入未能捕获指令位置之间的邻接、优先等关系.针对该问题,本文使用指令位置的连续函数来建模汇编指令的全局绝对位置和顺序关系,实现对词序嵌入的泛化.首先使用Transformer训练源指令集架构编码器;然后使用三元组损失训练目标指令集架构编码器,并微调源指令集架构编码器;最后使用嵌入向量之间欧氏距离的映射表示基本块之间的相似程度.在公开数据集MISA上的实验表明,P@1评价指标达到69.5%,比对比方法MIRROR提升了4.6%.

融合注意力机制和Child-Sum Tree-LSTM的二进制代码相似性检测

抽象语法树是一种代码的树型表示,它保留了代码中定义良好的语句组件、语句的显式顺序和执行逻辑。包含丰富语义信息的抽象语法树可以在二进制分析时通过反编译生成,并且已经作为代码特征应用于二进制代码相似度检测。抽象语法树中不同类别的节点承载着不同的语义信息,对整棵树的语义具有不同的贡献程度。然而现有的二进制代码相似度检测方法所用神经网络无法对抽象语法树节点进行重要性区分,影响了模型的训练效果。针对该问题,提出了一种融合注意力机制和Child-Sum Tree-LSTM神经网络的跨指令集、跨代码混淆二进制代码相似性检测方法。首先使用二进制分析工具IDA Pro对二进制代码反编译提取架构无关的抽象语法树特征,并利用随机采样构造训练样本对。然后使用抽象语法树训练样本对训练融合注意力机制和Child-Sum Tree-LSTM的神经网络模型。在公开数据集BINKIT上的实验表明,所提方法的AUC和Accuracy指标分别为94.1%、66.2%,优于Child-Sum Tree-LSTM算法。

基于编译优化和反汇编的程序相似性检测方法

提出了基于编译优化和反汇编的程序相似性检测方法,能够检测出标识符重命名、增加冗余语句、等价的控制结构替换等12种学生常用的抄袭手段.基于该方法,设计和实现了一个程序相似性检测系统BuaaSim,采用编译优化和反汇编技术将源程序转化为汇编指令集合,删除和替换汇编指令中对程序本质特征影响不大的易变元素,使用一个与指令顺序无关的决策函数计算程序相似度;还给出一个简单有效的聚类算法,从程序集合中聚类出相似的程序子集.通过与著名的JPlag系统针对两份典型的抄袭样本集进行评测对比,表明本文方法的检测效果具有明显的优势.

基于非平稳相似性系数的构造导向滤波及断层检测方法

不连续地质体(如断层)的自动检测一直以来都是叠后地震数据解释中的关键问题之一,尤其在三维情况中尤为重要.然而,大多数边缘检测和相干算法都对随机噪声很敏感,随机噪声衰减是叠后地震数据解释的另一个主要问题.针对构造保护去噪和断层检测问题,本文基于非平稳相似性系数完善一种构造导向滤波方法并且提出一种自动断层检测方法,形成了一套匹配的处理技术.该构造导向滤波既能够有效地衰减随机噪声又可以很好地保护地震资料中的断层等信息不被破坏,增强地震剖面中弯曲、倾斜同相轴的连续性.根据地震数据局部倾角走向,利用相邻道构建当前地震道的预测,通过预测道的叠加得到参考道,计算预测道与参考道之间的非平稳相似性系数可以设计出数据驱动的加权中值滤波.另一方面,预测道与原始道之间的非平稳相似性系数能够用于带有断层指示性的相干分析.这两种方法都基于构造预测和非平稳相似性系数,但是使用不同的调节参数和处理方案.理论模型和实际数据的处理结果证明了本文提出构造导向滤波和断层检测方法的有效性.