二进制序列的群相关特性

本文研究了二进制序列的群相关特性,证明了不仅二进制序列的群相关函数是理想的,而且当码长N是偶数位时,它的某些子集的群相关函数也是理想的。文中还导出了二进制集C的群相关函数的一般形式。     

二进制序列的游程相关函数

本文研究了二进制序列的游程数与它的周期性和非周期性相关函数之间的关系,导出了用Tseng子码游程数表示的周期性和非周期性相关函数。     

基于状态相关字段识别的未知二进制协议状态机逆向方法

协议状态机逆构技术是分析未知协议行为逻辑的基本方法,是网络安全、信息对抗领域的一个重要研究方向。针对截获的未知二进制协议的通信数据,提出了一种二进制协议状态机逆向方法,该方法能够根据通信数据逆构协议状态转移图。在该方法中,设计了针对通信数据帧的基于多序列比对的对应字段对齐算法以及基于字段统计量分析的协议状态相关字段提取算法,并根据提取出的协议状态相关字段构建状态转换模型。在地址解析协议( ARP)和传输控制协议( TCP)上的实验结果表明该方法能够有效逆构出协议的状态转换模型。     

基于边缘的自适应相关跟踪算法

针对相关跟踪实时性差和误差累积问题,提出了基于边缘检测的自适应相关算法.采用修正后的灰度差的绝对平均值(MAD)相关匹配克服了对噪声敏感的缺点;利用目标的边缘信息确定模板中参与匹配的区域,并采用粗精结合的搜索策略,加快了匹配速度;采用模板加权更新和中心修正有效地消除了相关运算累积误差的影响.     

属性相关选择和AdaBoost算法在入侵检测中的应用

入侵事件的识别是入侵检测系统的关键,入侵事件的识别是一个网络数据的分类问题。通过基于相关的属性选择算法,选择出相关度高的属性子集,去除冗余度高的属性,在选择的属性子集上,使用AdaBoost算法对网络数据分类,识别入侵事件。实验结果表明,在选用的实验数据上,基于相关的属性选择算法和AdaBoost算法结合使用,提高了分类正确率和入侵事件的检出率,降低了入侵事件的误报率。     

提高勘探大数据属性分析效率的策略

油气勘探数据作为大数据的种类之一,具备大数据所有数据量(Volume)、时效性(Velocity)、多样性(Variety)、可疑性(Veracity)属性。属性分析是大数据处理的必要前置步骤。现有高密度、宽方位地震所采集数据量巨大,在地震资料处理环节及地震数据属性分析环节出现重大时效问题,需要计算机硬件设备扩充与软件实现效率和方式的改变。文中通过例证资料处理过程中地震数据属性分析流程,判断分析的效率和分析方式对资料处理周期和品质的影响。通过分析地震资料处理软硬件特点,提出多线程共享内存及优化数据I/O粒度的数据分析等方法提高效率,测试应用效果表明该方法大幅度提高海量地震数据属性分析效率。     

属性相关选择和Bagging算法在入侵检测中的应用

入侵事件的识别是入侵检测系统的关键,入侵事件的识别是一个网络数据的分类问题。通过基于相关的属性选择算法,选择出相关度高的属性子集,去除冗余度高的属性,在选择的属性子集上,使用Bagging算法对网络数据分类,识别入侵事件。实验结果表明,在选用的实验数据上,基于相关的属性选择算法和Bagging算法结合使用,提高了分类正确率和入侵事件的检出率,降低了入侵事件的误报率。     

多模态异构大数据混合属性特征匹配筛选算法

多模态异构大数据混合了多种属性数据,具有数据类型繁杂、数据维度较高的特点,在数据挖掘过程中容易降低多模态异构大数据利用率。为了提高特征匹配紧密度,提出多模态异构大数据混合属性特征匹配筛选算法。建立距离矩阵对多模态异构大数据实施混合属性降维;采用主成分分析法提取降维后的数据主成分,将提取到的主成分作为数据混合属性备选特征;计算主成分互信息,筛选互信息值大于1的数据特征,聚集同属性相似特征,实现特征匹配。在4个多模态异构大数据集中进行应用测试,测试结果表明所提算法匹配紧密度均高于0.8,由此证明,该算法具有较高的混合属性特征匹配质量。     

用基于矩阵的D-S证据理论方法判定目标属性

D-S证据理论在多传感器数据融合中具有广泛的应用前景.其中Dempster综合规则可对可信度函数进行融合计算,当目标命题的个数很多时,融合计算容易造成漏项,引起计算错误.针对该问题,提出建立关于目标命题的关系矩阵以计算各目标命题的可信度分配值.通过关系矩阵,就可以利用计算机和Matlab语言编程实现自动计算,自动遍历所有项,避免漏项,保证结果的正确性.最后给出算法示例和应用Matlab程序计算的结果.     

基于改进的粗糙集理论与贝叶斯网络的变压器设备故障诊断模型

电力变压器是电力系统最为关键的一部分,快速准确地判断变压器故障类型对变压器安全运行具有重要作用,传统的粗糙集理论进行故障诊断往往存在两个问题,一是忽视属于NP-hard问题的最佳属性约简;二是未充分考虑故障诊断的概率属性.基于此,提出了一种基于改进的粗糙集理论与贝叶斯网络的变压器设备故障诊断模型,通过构建可分辨二进制矩...     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

遗传算法在二相码优化搜索中的应用

旁瓣抑制一直是雷达信号处理中的关键过程,本文提出了一种利用遗传算法优化搜索二相码M序列的方法。以遗传算法搜索出的序列组作为M序列产生器的初始序列,可以得到非周期自相关特性较好的伪随机序列。利用此方法产生的M序列作为调制信号得到的二相编码信号不需要加权就可获得较高的主副比,从而避免了加权引起的失配损失。     

高斯拉普拉斯算子在联合相关变换器中的应用

提出将高斯拉普拉斯算子应用在光电联合相关变换器中进行谱面图像的增强处理.光电混合联合变换器可实现对目标的实时探测、识别及自动定位,但由于实际中采集到的图像的对比度较低,且存在大量背景噪音,影响了目标的识别率.根据高斯拉普拉斯变换对高斯噪声不敏感的特性,结合了自适应阈值、边界跟踪和细化技术,对图像噪声进行滤波的同时,对图像进行了增强处理,这样最大限度地保留了光谱图像的细节信息,提高了光电联合相关系统的目标识别率.     

基于粒子群算法寻最优属性关联下的零样本语义自编码器

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法.通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类.为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相关性信息的补偿.实验结果表明采取相同映射方法的情况下,基于属性相关性嵌入的零样本图像分类在Pubfig数据集和OSR数据集上的分类效果较之其他方法得到了显著提升.     

基于粒子群算法寻最优属性关联下的零样本语义自编码器

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法。通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类。为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相...     

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换（Graph Transformation Matching,GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns,LRIBP）描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.     

一种多传感器融合的景像匹配算法

为提高景像匹配算法的匹配概率和匹配精度,以多传感器最大属性数据融合方法为基础,分析了光学与雷达传感器获取图像的特性,提出了使用光学和雷达传感器进行融合相关的新匹配算法,实现了这两种传感器的优势互补,大大加强了景像匹配算法的抗干扰能力,有效提高了匹配概率和匹配精度。仿真证明,该方法比较成功。     

快速图像匹配相关系数算法及实现

最大归一互相关图像匹配算法是图像匹配中的常用算法,其关键是解算活动图与基准图间的相关系数。针对相关系数计算量大的特点,分析了FFT的基与FFT处理速度之间的关系以及基16FFT算法特点,提出用基16FFT算法计算相关系数,相关系数的处理时间大幅减小;同时针对高基蝶形单元设计复杂、使用不灵活等特点,提出采用级连思想实现主基16蝶形单元,使处理器的设计复杂度降低。实验证明,将主基16FFT处理器用于相关系数的计算中,使最大归一互相关图像匹配处理速度达到国际领先水平。     

多无源传感器之属性信息数据关联的规则与结构模型

属性信息具有提高数据关联算法性能的巨大潜力,是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述,分析了基于属性信息的数据关联问题的研究进展,抽象出属性信息应用的问题模型,给出了基于统计、不确定推理的属性信息关联规则,总结了属性信息应用于多无源传感器数据关联的处理结构模型,并比较了各处理结构的优缺点,最后指出了未来属性信息辅助数据关联要解决的关键问题。