基于多标记与半监督学习的入侵检测方法研究

机器学习所关注的问题是系统如何随着经验积累自动提高分类性能,这与入侵检测通过对外界入侵进行自我学习来提高其检测率和降低误报率是一致的。因此把机器学习的理论和方法引入到入侵检测中已成为一种有效方案。文中结合多标记与半监督学习理论,将ML-KNN算法应用于入侵检测系统。在KDD CUP99数据集上的仿真结果表明,该方法在入侵检测中能获得高检测率和低误报率。     

海上升压站下部基础导管架制作精度控制研究

海上升压站下部基础采用导管架的形式来连接基础桩与上组组块。因此,导管架起到承上启下的作用,对结构强度及制作精度都要求很高。导管架上设置靠船构件(防撞管)、登船斜梯、平台、牺牲阳极、电缆J型管、防沉板等附属结构,而设计主要为管型设计,增加了整体的制作、安装难度。     

几种硝胺炸药在熔态TNT和DNP中的溶解性及其结晶晶型

为研究硝胺类炸药在熔铸载体中的溶解性并分析溶解后硝胺类炸药的相变,采用物理分离的方法分别测出了RDX、HMX和CL-20在90℃的2,4,6-三硝基甲苯(TNT)和3,4-二硝基吡唑(DNP)中的溶解度;通过拉曼光谱对溶解后回收的硝胺类炸药进行了表征。结果表明,90℃下,RDX、HMX和CL-20在TNT中的溶解度分别为3.35、0.24和4.99g/100g,在DNP中的溶解度分别为12.28、2.64和7.03g/100g;RDX在TNT、DNP中溶解冷却后的晶型均为β型,HMX在TNT、DNP中溶解冷却后的晶型均为α型,RDX、HMX在TNT、DNP中溶解前后晶型一致,均未发生变化;CL-20在TNT、DNP中溶解后回收的晶型均由ε型变为β型,说明CL-20在熔铸炸药载体中由于温度与溶剂的作用晶型不稳定,硝胺类炸药在熔铸载体中溶解并发生相变将会严重影响炸药的性能。