局域网中基于包过滤控制的应用

通过对局域网防火墙的设计和研究,实现一种基于包过滤控制技术的防火墙,利用发起网络通信的IP地址、TCP/UDP端口号、协议种类等特征对网络中的数据包进行监控,其中防火墙上的过滤控制规则由管理员统一设置。通过对包过滤技术进行定义,并对防火墙包过滤控制规则的形式化描述进行了定义,然后给出了防火墙的逻辑结构、主要数据结构和重要功能模块的实现叙述。     

网络图像信息过滤技术的探讨

网络图像信息过滤系统的处理流程是对输入图像进行处理,将与模板匹配的图像提交给用户,同时根据用户的反馈,修改模板。为了提高系统性能,我们对系统进行了优化,主要采取系统在不同的工作模式下采用不同的过滤规则;输入图像仅与一定大小范围的图像进行匹配;设置匹配结果有效天数;将所有过滤规则读取到客户端并且载入内存。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

基于Linux/QT的火控系统实时故障诊断方法

针对某数字化火控系统实时故障检测与诊断问题,提出了一种基于对象式框架知识表示的火控系统实时故障诊断方法。该方法采用专家系统与实时进程通信,获取故障征兆,进行实时推理定位故障源。给出了诊断系统的一般架构,介绍故障诊断系统知识表示的形式化描述,实时推理、规则匹配算法和UDP进程通信协议。实际应用证明了这种方法的有效性和可扩展性。     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

一种SIP协议实时图形化分析软件的设计

文章提出了一种Windows下高效网络协议分析软件的实现方法,从改造开源网络协议分析软件wireshark入手,将捕获的数据包写入共享内存,然后基于MFC编程从共享内存将数据包取出并进行重组、过滤和分析处理,实现了软交换系统中各设备实体间SIP协议数据的实时动态图形显示,最后对软件进行了验证测试。对于软交换系统中SIP信令分析具有实际应用价值,对于类似网络协议分析软件的开发具有一定的借鉴意义。     

实时高效邮件过滤系统设计

介绍了一种基于内容的电子邮件过滤系统的设计.该系统是采用有限自动机技术对电子邮件的内容进行扫描,达到实时高效地对不合法的电子邮件进行过滤的目的.     

一种MAC层延时均衡算法

以GAF协议下簇头构成的骨干网络为基本架构,对树状热区造成的数据延时不公平、数据包丢失等问题进行了研究,提出了一种基于DMAC协议的MAC层轮值休眠算法ST-MAC。采用Matlab软件进行仿真实验,结果表明该算法均衡了网络树不同深度节点的数据延时,同时降低了丢包率和网络能耗。     

基于免疫学的多代理入侵检测系统

在探讨免疫学基本原理的基础上 ,提出了基于免疫学的多代理系统 ,用于联网计算机的入侵检测与反应。在这个框架中 ,基于免疫学的安全代理在联网节点之间漫游 ,监视网络状态。这些代理相互识别对方的活动行为 ,以等级方式进行合作 ,并根据底层安全规则采取相应的行动。移动代理具有学习能力 ,能动态适应周围环境 ,检测出已知与未知的入侵。多代理检测系统同时在不同层次监视联网计算机的活动情况 ,包括用户级、系统级、进程级和数据包级。基于免疫学的多代理入侵检测系统是灵活的、可扩展的和可适应的 ,能够根据管理员的需要与参数配置实时监视网络。     

基于知识的某新型地空导弹装备的故障智能诊断

为保障系统可靠运行,及时正确地对系统的各种异常状态或故障状态做出诊断,提出一种基于知识的智能诊断方法,并运用该方法建立一个故障分析和诊断系统;在故障树层次诊断模型的基础上,形成了综合模糊推理和规则推理的混合推理方法.通过具体实例表明,采用该方法是可行的.     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法.利用模糊C 均值聚类法对测量空间进行分割,再利用模糊规则对分割后的子空间分别采用BP网络进行逼近,从而获得不同子空间故障输出与测量输入的非线性动力学特性.计算机仿真表明该网络具有良好的泛化性能,方案可行.     

基于规则推理的海战仿真实体决策方法

研究在海军战术仿真中应用基于规则推理的方法实现作战实体的自主决策行为,该方法用决策规则描述作战实体决策时所依据的军事决策知识,通过对决策规则的推理实现决策作战实体的决策推理过程.分别介绍了作战实体的决策模型、决策规则的知识表示方法以及决策模型的决策推理方法.基于规则推理的海战仿真实体决策方法推理机制接近人类的思维方式,结构逻辑容易为军事人员所掌握,易于理解和维护,便于实现.     

一种故障诊断专家知识库编辑和维护系统

设计了一种适用于火控系统的故障诊断专家知识库编辑和维护系统。从诊断对象的结构和功能原理出发,提出了一种对象式框架知识表示方法。该方法将诊断对象的原理知识统一为一种形式,简化了知识表示的复杂度。该系统分别建立对象式框架的状态、测试、规则、维修、图表等知识项,利用这些知识项建立系统的知识库。还对系统的可视化实现和功能进行了说明。实践表明该方法可以提高系统的直观性、简洁性,提高人机交互能力。     

某火控系统故障隔离中的信息采集与诊断推理

复杂装备火控系统的故障具有关联性和耦合性,故障隔离需要信息采集为诊断推理提供数据支持,并在诊断推理过程中对信息采集进行控制。基于火控系统工作原理分析了故障隔离的信息需求和信号类型,给出信息采集系统的具体形式;采用分层故障网络和框架结构进行诊断知识表示,并通过信息采集来获取测试信息,以保证诊断推理过程的有效进行;设计了故障诊断的推理控制策略,并对于实际应用的诊断推理过程进行了描述。     

一个基于知识的航空影像目标自动识别系统

本文提出了一个基于知识的航空影像目标自动识别系统 ,系统采用结构化的黑板模型 ,专家知识不仅用来指导高级的目标识别 ,也用来指导低级的图像分割 ,本文还研究了一种不确定性知识的表示方法和推理模型 ,知识用产生式规则和过程表示 ,实验证明该算法对航空影像中目标的识别是有益的。     

组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

基于大数据分析的网络管理智能化

军事通信网综合管理系统中,各专业网络运行情况的主要数据都可汇总到综合网管数据库中。这些网管数据中隐含了网络运行的几乎全部信息,但即使是最有经验的网络管理专家面对这些繁杂的数据也只能望洋兴叹。面对大数据的智能分析技术则有可能实现网络运行态势的高度可视化,充分理解和详细把握全网运行状态,像知识、经验、联想丰富的专家一样不知疲倦地对网络运行状况进行全面细致地分析,从海量的网管数据中发现网络故障的蛛丝马迹,发现隐含的问题,预知网络变化。论文介绍了利用大数据分析技术实现网络管理智能化的现实目标,基于性能的网络异常预测预报、基于性能和事件的故障分析诊断、网络运行知识的挖掘利用等方面的功能和技术途径。     

一种新型无线Mesh网络多信道MAC协议

在多信道无线Mesh网络中,当发送节点和接收节点之间有多条可用信道时,动态信道分配协议DCA(Dynamic Channel Assignment)采用的是随机选择接入信道,这样一方面容易导致有不同性能的信道分配不合理,另一方面容易造成信道冲突的频繁发生,导致数据包时延较大。针对这些问题,文中提出一种基于信息素模型的多信道MAC协议——CAPC(Channels Assignment based on Pheromone Concentration)协议,仿真结果显示该协议在系统吞吐量和数据包投递成功率等方面明显优于DCA协议。     

柴油机故障诊断专家系统的研究

本系统是基于知识的,应用Ｔｕｒｂｏ－ｐｒｏｌｏｇ２．１语言构成的柴油机故障诊断专家系统。该系统总结了诊断专家的经验知识,建立了故障树,采用产生式规则构造了知识库,根据诊断特点,选用了启发式正向推理,深度优先搜索策略和非精确推理方法,应用两种诊断方法实现了柴油机四大类故障的诊断专家系统。本系统有较好使用价值。     

一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.