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。     

Otsu算法在Canny算子中的应用

Canny算子应用于细胞图像分割,只要选择适当的参数就可以取得好的分割效果。在分析细胞图像直方图后,利用类间方差最大化阈值分割算法(Otsu)可以实现Canny算子中门限值的自适应选择。试验结果表明,Otsu算法应用于Canny算子中的门限选择,改善了算法在细胞图像中的分割效果,提高了算法的自适应性能。     

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.     

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。     

基于概率分布的硬件木马检测特征选择方法

针对基于旁路信号分析的硬件木马检测中存在的高维以及信号冗余度高等问题,寻求一种特征选择方法在降维、降低冗余度方面的可行性,通过考虑样本概率的分布情况,提出了一种以散度和Bhattacharyya距离作为可分性判据的特征选择方法。首先分析了旁路信号的特征选择问题,然后阐述了基于散度和Bhattacharyya距离的可分性判据,最后在FPGA中植入硬件木马,采用K-L方法进行实验,通过对样本特征选择前后的检测效果发现,这种特征选择方法不仅有助于分辨"金片"与含木马的待测芯片间旁路信号的统计差异,而且与分类错误率建立联系,更好地实现了硬件木马的检测。     

SAR图像适配区选择方法

为选择具有高匹配概率和高匹配精度特点的SAR适配区,结合SAR成像特点,分析了惯导及成像参数误差对适配区的影响,设计了多种适配性评价参数,提出了一种由粗到细的适配区层次性选择方法.该方法充分考虑了适配区在总体和细节上的需求,层次性选择有效避开了构造预测函数的难题.试验结果表明该方法可在SAR图像匹配系统中选出高性能的适配区,且所选适配区匹配概率可达97％以上.