基于密集连接卷积神经网络的入侵检测技术研究

卷积神经网络在入侵检测技术领域中已得到广泛应用，一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确。但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题。针对上述问题，该文提出将密集连接卷积神经网络(DCCNet)应用到入侵检测技术中，并通过使用混合损失函数达到提升检测准确率的目的。用KDD 99数据集进行实验，将实验结果与常用的LeNet神经网络、VggNet神经网络结构相比。分析显示在检测的准确率上有一定的提高，而且缓解了在训练过程中梯度弥散问题。     

固珀第3季度收入和销售额均下降

固珀第3季度收入和销售额均下降     

基于填充函数法的光滑分段半监督支持向量机

构造一个光滑分段函数,以逼近梯度直推式支持向量机模型中的不可微项,得到一种新的光滑分段半监督支持向量机模型。根据新模型的非凸特性,采用无参数填充函数法对其求解,以此避免参数调节的复杂过程,减小计算量.采用UCI数据库中不同规模的数据集,对新模型进行训练和测试,结果表明新模型可降低向量机的平均误分率,提高其分类性能。     

基于方向梯度直方图属性空间的局部放电模式识别改进算法

该文提出一种基于方向梯度直方图(HOG)属性空间的局部放电模式识别改进算法,旨在提高特征对样本信息的概括能力,并克服分类器对高维特征的识别局限.首先,构造局部放电脉冲序列分布(PRPS)模式作为识别依据,利用局部细分叠加窗口滑移的迭代算法自动化构建PRPS图像的HOG属性空间;然后,通过线性变换协方差矩阵的方式重构HOG属性空间,使其满足相互独立性;接着,根据属性重要性重新排列空间后,依次增加输入朴素贝叶斯分类器的属性个数,基于分类精度搜索最佳属性子集;最后,按照归约属性的相对重要性进行加权,最终设计出HOG属性选择加权朴素贝叶斯分类器.大量样本测试结果证明,此算法能够达到很高的识别精度,对传统识别算法的优化效果明显,有较好的应用价值.     

曲靖E区场向不规则体回波特征观测研究

利用曲靖VHF相干散射雷达2016年3月至2018年2月间持续观测数据，对电离层E区场向不规则体（field-aligned irregularities，FAI）回波形态特征进行统计分析，结果表明:E区FAI回波在地方时和高度上呈现出三个高发区间，日侧主要位于07:00-12:00LT和90~105 km，而夜侧两个高发区间分别对应于15:00-01:00LT和90~100 km以及18:00-04:00LT和100~115 km；E区FAI回波发生率还具有明显的季节变化，夏季5-8月是其高发期，而冬季的11和12月发生率为极小；E区FAI回波多普勒速度均在-85~85 m/s变化，而其谱宽主要分布在60 m/s以内，三个区间的平均多普勒速度均仅为数m/s，明显小于其平均谱宽，后者约在20~30 m/s.此外，高度分层研究发现，日侧E区FAI的各层平均多普勒速度总体上为负值，但在96 km高度上下薄层内存在一个小幅正值，而夜侧则以105 km高度为界，其上端各层均为负值，下端各层均为正值.曲靖E区FAI表现出典型的Ⅱ型回波特征，其生成和演变过程源自电离层电子密度梯度漂移不稳定性，子午风和低F区电场在其中起着重要作用.     

汛期机组出力下降的原因分析及处理

针对2019年9号台风过境时强降雨造成的机组出力下降速度快、程度大,并伴有机组振动增大、水导轴承温度升高的停机事故,经分析强降雨过程、事故出现前的各种情况、恢复机组正常运行所采取的措施等,均说明进水口拦污栅与机组蜗壳导叶处堵塞是造成停机事故的主要原因,并以此提出了防止类似事故发生的措施。     

步长自适应的测量矩阵迭代优化方法

在压缩感知中，降低传感矩阵的列相干性可以提高重构精度。因为稀疏字典一般是固定的，所以目前主要通过优化测量矩阵来间接降低传感矩阵列相干性。提出一种改进的测量矩阵优化算法，使用梯度下降法更新测量矩阵并结合Barzilai-Borwen方法以及Armijo准则，使步长能够在迭代中自适应调整并保证算法收敛性。仿真实验表明，所提出的方法具有更快的收敛速度并且能够得到更优的测量矩阵。