PonderTalk网络策略模态冲突检测系统的研究

随着计算机网络异构化程度加剧,策略冲突已成为制约基于策略的网络管理(PBNM)技术实际应用的瓶颈。策略在描述上的不一致是导致策略冲突的主要原因之一,这类冲突被称为模态冲突。文章基于Pon-derTalk网络策略,针对模态冲突的不同类型提出检测算法,并将其整合为冲突检测系统。实验证明该系统是有效、可行的。     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

基于改进VMD的液压系统故障特征提取

为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声 、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法.首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱降噪预处理,该方法能抑制噪声对分解结果的干扰;然后,针对端点效应会导致VMD处理信号两端产...     

周向局部加载型磁致伸缩传感器导波特性

针对应用于管道检测的磁致伸缩导波不能提供周向特征的缺点,首先分析了导波产生的机理;然后,基于简正模态展开法建立了周向局部加载型磁致伸缩传感器导波模型,得到了导波能量的周向特征分布特征;最后,用8通道传感器进行了实验验证。实验结果表明:91kHz时传感器激发出L(0,2)+F(1,3)的组合模态,在不同传播距离处,其圆周方向上的导波幅值与理论分布较为吻合。该研究结果可为管道缺陷的周向定位提供理论依据。     

考虑螺栓预紧力差异的箭体连接结构动力学响应分析

针对广泛地应用在航空航天箭体结构中的螺栓法兰连接结构的动力学响应特征会显著受到螺栓预紧力大小影响的问题,在螺栓法兰连接结构不同工况下螺栓预紧力出现差异时,研究箭体连接结构的静动力学响应特征。通过对特定的筒壳螺栓法兰连接结构,基于有限元分析和敲击试验来提出一套考虑螺栓预紧力差异的箭体连接结构动力学响应分析方法。并由此研究螺栓松动时的响应特征,基于互补集合经验模态分解算法设计一种新的螺栓松动探测流程,可以量化螺栓发生松动时连接结构的中高频段频响幅值升高的特征,能无损快速地识别松动工况的发生。     

结构振动系统的模态解耦控制

基于特征结构配置的参数化结果,给出了实现结构振动系统模态解耦的充要条件,导出了期望的反馈增益阵及闭环特征向量矩阵的全体参数化表示。该方法在实现模态解耦的同时,还提供了全部自由度,可用来实现系统设计中某些性能要求。该方法直接基于原系统的参数矩阵,便于工程应用。三级质量弹簧系统的实例表明该方法有效。     

基于Polymax算法的大型塔架模态参数识别

以环境随机激励作用下的大型塔架结构为研究背景,提出了基于Polymax算法的大型复杂系统模态参数识别方法。首先针对大型塔架设计环境激励响应信号测试系统,然后对获取的激励响应信号进行分析和截取,选出各组试验中理想的响应信号段,最后基于Polymax算法对截取信号段进行参数识别,并将获取的结果进行模态验证。结果表明：该方法对于大型塔架模态参数的识别具有较高的精度。     

基于谱测度的地域通信网节点重要性评估

针对已有测度无法准确评价网络抗毁度和节点重要性的问题,提出了一种基于网络邻接矩阵谱特征的抗毁测度。抗毁测度的值越大,网络中替代路径就越多,网络的抗毁能力越强。在此基础上,给出了一种节点重要性评估方法,如果节点失效后网络抗毁测度下降越多,则该节点在网络中的重要性越大。     

Evaluating Nodes Importance in Regional Communication Network Based on Spectral Measure

针对已有测度无法准确评价网络抗毁度和节点重要性的问题,提出了一种基于网络邻接矩阵谱特征的抗毁测度.抗毁测度的值越大,网络中替代路径就越多,网络的抗毁能力越强.在此基础上,给出了一种节点重要性评估方法,如果节点失效后网络抗毁测度下降越多,则该节点在网络中的重要性越大.     

多属性加权的指挥控制网络建模方法研究

针对现有基于指控网络模型中的边连接方法仅能反映局部网络节点的重要性、且仅注重网络连通性难以很好体现网络局部特征的不足,提出了一种基于多属性加权的指挥控制网络模型构建方法。首先,定义节点自身属性有指控能力、节点任务相关程度、空间距离;其次,将度和介数相结合,综合考虑网络局部、网络全局特征以表达节点的网络属性,在与自身属性加权结合下设计了多属性加权的指控网络边连接策略算法。仿真结果表明,该策略建立的指控网络模型满足无尺度特性,具有更高的网络效率和更强的网络抗毁性。     

数据挖掘与数据融合相结合的异类信息融合*

针对组网系统中的信息样式多、模糊性强等特点,介绍了分布式异类传感器组网系统及其特点,将数据挖掘中的知识发现理论与数据融合的知识应用理论相结合,建立了异类信息综合处理的集成模型。并提出了基于模糊神经网络的数据挖掘算法,增强了集成模型的自学习性能。模型有效地提高了异类传感器组网系统的智能化、自动化能力。     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

一种基于随机映射的战斗效能模型

利用随机映射概念提出了一种新的战斗毁伤模型形式———Lanchester战斗网络模型。模型是由一个阶递减的随机映射序列组成的随机有向二部图,它明确、形式地描述了战争整体行为与局部作用之间的关系。理论分析和计算获得的结论表明,模型描述的整体作战效能符合Lanchester平方律,其网络拓扑结构是非同质的,出度和入度分布服从指数幂律。应用模型定量对比了“对称”与“非对称”战斗中全局信息因素对战斗系统整体效能的影响。初步讨论了网络模型研究在战争建模理论、实证和计算方法论上的意义。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

面向射频指纹识别的高效IQ卷积网络结构

现有应用于射频指纹识别的卷积网络对时序同相正交(in-phase and quadrature-phase, IQ)信号的处理都是将其简单视为图像进行的,存在识别准确率低和计算量大的问题。针对以上问题,提出了一种基于IQ相关特征的卷积神经网络结构。该网络分步提取了IQ相关特征及时域特征,通过自适应平均池化获得了各通道特征均值,并用单个全连接层进行分类。实验结果表明,较传统卷积网络结构,所提网络在多种场景下的识别准确率更高,并且计算量更小。     

一种有效的常规雷达目标识别方法

基于小波变换和进化网络提出一种有效的常规雷达目标识别方法。即首先利用 Mallat算法对雷达目标一维距离像进行特征提取和压缩 ,然后在进化规划的基础上提出一种混合进化算法来优化设计由多层前向网络构成的分类器。实验结果表明 ,整个目标识别系统的结构简单 ,同时具有较好的推广能力     

无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

基于警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

运用警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

LEO 卫星网络路径选择策略研究

路由算法在选择路径时,主要考虑传输延迟和跳数这两个因素,分别选取最短延迟路径(Least Delay Path, LDP)或最少跳数路径( Least Hops Path, LHP)。在卫星网络中,基于LHP选径策略实现更加简单,但其应用在LEO卫星网络中合理性的研究成果不多。本文对极轨道LEO卫星网络中,LDP和LHP之间关系进行详细的理论分析,验证了LHP选径策略的合理性。并在此基础上,提出一种基于横向传输优先级（Horizontal Transmitting Priority, HTP）的LHP最短路径选择策略,利用横向链路长短特性简化路径决策流程。通过仿真,该方法能够快速寻找到最短LHP路径,为LEO卫星网络路由算法提供一定的研究基础。