排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97%. 相似文献
2.
3.
基于T—S模糊模型的LQR控制器设计 总被引:1,自引:1,他引:0
基于T-S模糊模型的平行分配补偿控制器设计方法,结合线性二次型最优控制方法,设计了一个倒立摆系统状态反馈控制器.控制方法有效地将线性系统理论与模糊控制理论结合起来,可处理某些复杂的非线性自不稳定系统控制问题.针对倒立摆是一个非线性、不稳定、强耦合系统,利用MATLAB对其进行仿真实验,结果表明上述方法能够控制倒立摆稳定.TS-LQR控制器结合了模糊控制和LQR方法的优点,具有结构简单、易于实现以及稳定范围大、鲁棒性好的优点,可获得较好的动态性能和稳态性能. 相似文献
1