基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

基于零边界值Kriging插值的地磁异常场稳定向上延拓法

针对位场向上延拓存在边界误差的问题,根据向上延拓的原理对边界误差产生的原因进行了分析,提出了补充零边界值并用普通Kriging法对数据进行插值的方法,对插值后的区域在频域进行向上延拓,并采用绝对误差最大值占平面磁异常最大值的比例作为误差评价标准.仿真结果表明:所提的方法优于不扩边和最小曲率法扩边的向上延拓方法;向上延拓...     

山西省太原市尖草坪区人武部改进作风——领导讲话稿一律不让他人代笔

1月11日,天气异常寒冷,但山西省太原市尖草坪区柴村街办会议室内却暖意融融。人武部政委徐国强带着工作组和区民政局的同志,在该街办走访慰问军烈属后,召开座谈会,集中研究如何更好地解决军烈属的困难问题。在大家逐个发言后,徐政委简明扼要、言简意赅作了总结讲话。前后用时不到8分钟,赢得了全场热烈的掌声。     

基于网控的军事卫星通信地球站异常检测系统研究

针对军事卫星通信系统中可能出现的因地球站被捕获、盗用、伪造和非法用户入侵等严重威胁卫星网安全的问题,提出了地球站行为异常检测的概念,并引入聚类分析和模式匹配相结合的方法,提出了一个基于网控中心的某型军事卫星通信地球站异常检测系统,对数据的预处理方法进行了改进．通过对几个经典数据集和卫星地球站真实数据的实验分析证明,该方法用于检测某型地球站异常行为是可行有效的．     

无线传感器网络中数据流异常数据的联合估计算法

为保证无线传感器网络数据的完整性,针对数据流中存在异常数据的问题,提出了一种基于BP神经网络和多元线性回归的联合估计算法。首先,将存在异常数据的数据流作为样本输入,利用神经网络的非线性拟合能力对异常数据进行估计。然后,通过相邻的传感器节点数据建立多元线性回归模型,对异常数据进行估计。最后,根据两种算法在不同情况下的误差大小,调整它们各自在异常数据估计中的权重,计算出最接近真实值的估计值。以Berkeley Intel实验室的传感器数据为实验数据,通过Matlab软件对本文方法进行测试并分析仿真结果,实验结果表明文中提出的方法能对异常数据进行有效估计,并且具有较高的可靠性和稳定性。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

3维编织复合材料弹道测试数据的异常点分析

研究了传统的异常点诊断与处理方法,分析了异常点产生的原因,提出了小概率事件异常点判别法,在3维编织复合材料弹道侵彻测试数据异常点的分析中,通过与残差图法、杠杆水平法和格拉布斯检验法的比较分析,验证了该方法的有效性,实践中可将该方法与其他多种方法结合应用,以提高判断的准确性。     

多元线性模型的广义逆诊断问题

在实际问题中,经常需要考虑多个因变量对多个自变量的相互依赖关系,但在运算过程中经常会碰到奇异矩阵不能求逆的问题.通过推导任意2矩阵的差的广义逆,解决了这一问题,继而得出多元线性模型的参数估计,最后推出数据删除模型异常点的判断依据.     

非高斯背景噪声下的微弱磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了一种带通滤波结合OBF分解的磁异常信号检测算法.首先,根据磁异常信号的频域特征,设计了Parks-McClellan最优FIR滤波器.通过对舍噪信号的带通滤波,实现对非高斯噪声的近似高斯化,同时最大程度地保留磁异常信号的信息.然后,对滤波后的信号进行OBF...