基于无线局域网MAC层DOS攻击的入侵检测

为了检测无线局域网MAC层的6种DOS攻击方式,提出一种基于Hybrid特征选择和支持向量机的入侵检测算法.该算法先用混合器模式的Hybrid特征选择算法提取8个识别攻击的流量统计特征,然后利用支持向量机对待检测对象进行识别分类.通过建立仿真环境对检测模型的检测效果进行统计验证,表明检测模型在具有较高检测准确率和较低的虚警率,能够有效地检测MAC层DOS攻击,具有实用价值.     

基于全寿命周期费用分析的可重复使用运载器级数选择

建立了可重复使用运载器全寿命周期费用模型 ,并利用该费用模型分析了不同级数的可重复使用运载器方案的全寿命周期费用 ,对全寿命周期费用的各部分组成比例及其随级数的变化规律进行了分析。研究结果表明两级入轨的可重复使用运载器方案全寿命周期费用最低 ,是基于目前技术水平的一种较优的可重复使用运载器级数选择方案     

基于遗传算法与最大最小原理的故障模式特征选择

在诸如液体火箭发动机等复杂动力学系统的故障诊断中，监控参数组的优选问题一直受到工程技术人员的高度重视。本文提出了综合样本矢量方向离散度概念，以此作为故障特征参数的优选准则；然后利用经过改进的遗传算法，对某液体火箭发动机常见故障的诊断进行了特征参数组的优选。在改进的遗传算法中，采用了非常简洁而高效的染色体编码，针对特征优选的组合优化类问题专门设计了一种特殊的基因迁移算子，并引进了父本个体适应值的动态调整技术与共享函数。数值实验结果表明，该算法具有理想的效果。     

弹道跟踪数据处理中的几个计算问题

结合弹道跟踪数据建模和数据处理的实践 ,提出了几个有典型应用价值的测量数据模型 ,在应用这些数学模型解决实际问题时 ,涉及统计、优化、函数逼近等几方面的理论和计算问题。这些问题和模型的研究 ,对解决许多相关的实际问题有重要意义。     

带紧扰动的集值(S)_+型映射的拓扑度及其应用

本文利用 Michael 连续选择定理与 F.E Browder 次连续(S)_+型映射度理论相结合的方法,构造了带紧扰动的1.s.c.集值(S)_+型映射的拓扑度,并讨论了作为其应用的不动点与值域问题.     

关联维数在转子系统状态监测应用时参数选择的实验研究

给出了转子系统状态的关联维数方法,通过获取大量实验数据来计算关联维数。在此基础上讨论了在计算关联维数时如何选择合适的重构相空间的矢量数、嵌入维数、时间延迟及矢量间间距等参数,最后给出了分析结果。     

仓库机械设备的综合评价模型

建立了综合评价仓库机械性能的指标体系,根据这一指标体系提出模糊综合评价和成本分析的方法,应用这些方法对我军仓库目前使用的几种机械作了评价,找出了费效比最大的机械。     

遗传算法及其应用

简述了遗传算法的其本原理和特点,并将其应用于声纳目标特征的选择。实验结果表明了遗传算法在模式特征优化和选择中的优势。     

网络入侵检测系统中的数据缩减技术

在进行事件分析之前,网络入侵检测系统首先要面对数据缩减的问题。以ANIDS为背景,分析了两种重要的数据缩减技术:相关特征子集选择和特征再构造。提出了一种基于Wrapper方法的最优特征子集选取算法SRRW。在考虑学习算法偏置的情况下,通过识别强相关特征并引入约束,能够更快地搜索并获得最优的相关特征子集。从特征再构造角度出发实现数据缩减,并通过因子负荷量矩阵分析了原始特征之间的相关性。     

Combined variance reduction techniques in fully sequential selection procedures

In the past several decades, many ranking‐and‐selection (R&S) procedures have been developed to select the best simulated system with the largest (or smallest) mean performance measure from a finite number of alternatives. A major issue to address in these R&S problems is to balance the trade‐off between the effectiveness (ie, making a correct selection with a high probability) and the efficiency (ie, using a small total number of observations). In this paper, we take a frequentist's point of view by setting a predetermined probability of correct selection while trying to reduce the total sample size, that is, to improve the efficiency but also maintain the effectiveness. In particular, in order to achieve this goal, we investigate combining various variance reduction techniques into the fully sequential framework, resulting in different R&S procedures with either finite‐time or asymptotic statistical validity. Extensive numerical experiments show great improvement in the efficiency of our proposed procedures as compared with several existing procedures.