基于互信息的特征选择在入侵检测中的优化

在处理入侵检测中的大规模数据时,冗余和不相关的特征数据长期造成网络数据流量分类问题,这种特征会降低分类效率和精度,并影响系统的实时检测率。该文提出了一种新的基于互信息的特征选择算法(NMIFS),该算法能处理线性和非线性相关的特征数据。在数据预处理的过程中,使用该算法选择出最优特征,然后结合常见的最小二乘支持向量机算法(LSSVM)对数据进行分类。采用入侵检测标准数据集KDD Cup 99对模型进行性能评估,对比其他新型的优化算法,结果表明NMIFS算法更有助于LSSVM算法实现更高的分类精度和效率,降低计算复杂度,同时提高模型的检测率。     

老路路面技术状况评价与分析研究

文章结合某老路路面技术状况现场检测的工程实例,论述公路路面技术状况定期检测方法的过程,对相关数据、结果进行分析,根据检测数据对现时路况进行全面评价,并提出相应的处理方案,为路面养护管理提供必要的依据.     

基于C/S架构的客流检测系统设计与实现

客流检测系统基于Windows平台,以C/S架构为基础,通过对采集视频进行一系列的处理来实现行人的检测跟踪,以及相关客流数据的实时计算与显示.对视频解码模块、检测跟踪处理模块和进程间交互模块的设计作了详细介绍,测试结果表明,系统各模块均达到使用要求,且具有较强的稳定性和可扩展性.     

三维激光扫描测量技术在汽车覆盖件成形质量中的应用

汽车覆盖件在成形时质量受材料性能、成形条件等客观条件影响,通过引入三维激光扫描测量技术,使用便携式三坐标测量仪适时的检测到相关成形数据,利用相关处理软件对数据进行合适的处理,以便对成形的质量进行控制。以一汽车覆盖件的成形为例,利用法如公司的便携式三坐标测量仪进行检测验证该方法的可行性。结果表明,利用此技术能够动态地检测汽车覆盖件的成形后的相关质量,并对其成形性进行控制。     

基于相关平差的全站仪水平角精度检验方法

针对全站仪精度,采用等间隔标尺检测的方法测定水平方向标准差,用相关参数平差的方法对检测数据进行处理,求取全站仪水平测角精度,得到水平角测定误差小于水平角误差的三分之一,实验证明该方法的正确性和可行性。     

基于距离和的数据挖掘技术在中考成绩处理中的应用

数据挖掘技术为海量数据处理提供了新的数据处理方法,并也为检测考生成绩信息的真实性提供了新的途径。根据基于距离和的数据挖掘技术的处理方法,提出了针对中考考生成绩信息进行异常成绩的检测方法,以提高成绩检测的真实性与准确性。     

基于分数阶积分的发动机在线检测数据融合技术

物联网下发动机检测数据的准确性是实现发动机在线故障诊断技术的技术瓶颈.提出了基于分数阶积分算子的物联网下发动机检测数据的融合算法,探讨了分数阶积分算子在信号处理中的应用特性,建立了基于分数阶积分算子的发动机检测数据融合处理模型,并通过0.5阶积分算子在发动机油温远程检测数据融合处理实验中的应用,实现了对发动机检测信息的远程高精度测量.结果发现:分数阶积分算子在远程检测数据融合处理中具有较高的融合精度.     

基于小波尺度相关的船舶轴频电场检测方法

为了提高低信噪比下对海水中被衰减的轴频电场信号的检测能力,提出一种基于小波尺度相关的船舶轴频电场检测算法.首先,使用小波变换对信号进行分解,并对噪声能量进行估计;然后,利用小波尺度相关对噪声和信号进行分离,并采用均值滤波降低小波系数平移的干扰;最后,提取最大尺度的相关系数作为特征值,对信号进行滑动检测.通过该算法和小波熵算法对实测数据和仿真数据进行处理和对比分析,结果表明:此算法在低信噪比情况下具有更高的稳定性和更好的检测效果.     

面向多数据源的数据清洗关键技术的研究

对于各个领域的信息资源管理而言,数据质量一直是一个非常关键的问题。现实世界中的数据往往存在着各种各样的问题,从简单的拼写错误到复杂的语义不一致错误。数据清洗的目标就是检测并去除数据中存在的各种错误和不一致,提高数据的质量。该文归纳、总结了数据清洗相关研究的现状,提出一个面向多数据源的数据清洗框架的定义。框架实现了术语模型、处理描述文件和共享库等概念和技术。     

基于激光测距和图像处理的尺寸检测系统设计

本系统通过运用激光测距和图像处理技术进行物体尺寸检测,当系统对被测物体进行测量时,由激光器发射的两条激光束投射到检测对象表面或被测量对象所在的平面上,形成明亮的斑点。并通过CCD摄像机进行图像处理,将拍摄到的图像通过图像采集卡进行采集,并最终输入电脑计算机中惊醒图像检测处理,最终先去最优质的图像信息进行处理以此得到最终数据。对组成尺寸检测系统的测距系统和图像处理系统进行了系统的分析,对系统内部的相关组成进行了讨论。     

波音787飞机基于云计算的远程故障诊断方法研究

针对波音787飞机实时故障诊断仍采用机载数据库的现状,结合波音787飞机数据传输特点,提出一种在充分利用飞机大量飞行数据的基础上进行云计算的远程故障诊断方法,可提升飞机飞行数据利用率和故障诊断的实时性。通过分布式技术将飞行数据拆分处理,应用虚拟化资源提高处理速度和数据共享能力。分析波音787飞机数据传输机制,结合基于网络的远程故障诊断与模糊故障诊断技术,重点研究计算的云化过程和推理过程。最后通过搭建云架构进行实验,证明了方法可进行高效稳定的远程故障诊断。     

基于IETM的涡轮故障诊断方法研究

以IETM故障树理论为基础,建立一问一答模式的故障隔离机制．阐述了涡轮叶片温度特点,分析了涡轮叶片的几种故障类型,并以涡轮叶片故障诊断流程为实例建立简单的故障树结构．研究了IETM故障数据模块的编辑与实现,利用模拟的涡轮叶片故障温度数据验证了IETM故障诊断系统的可行性,实现了故障诊断界面在IE浏览器上的显示．证明了通过与IETM交互并在诊断策略的引导下,现场保障人员能够高效地完成现场级的故障诊断和维修．     

Network fault diagnosis using DSM

Difference similitude matrix (DSM) is effectivein reducing information system with its higher reduction rate and higher validity. We use DSM method to analyze the fault data of computer networks and obtain the fault diagnosis rules. Through discretizing the relative value of fault data,we get the information system of the fault data. DSM method reduces the information system and gets the diagnosis rules.The simulation with the actual scenario shows that the fault diagnosis based on DSM can obtain few and effective rules.     

鉴别流形敏感的跨模态轴承故障诊断方法

目的 在实际应用中采集的原始多模态故障数据通常是包含大量噪声和冗余信息的非线性数据,如何从不 同故障模态中提取有效的非线性故障特征仍是一个挑战性的问题。 方法 提出了一种鉴别流形敏感的跨模态故障 诊断方法,在该方法中首先借助相关分析理论在跨模态故障空间中构建了不同模态间的相关系数,并通过理论推 导获得了相关系数的等价优化模型,然后利用局部近邻图构建了鉴别流形敏感散布,进而通过最大化不同模态间 的相关性和最小化鉴别流形敏感散布,形成了鉴别流形敏感的跨模态故障诊断模型,并且在理论上推导出了该优 化模型的解析解,从而能够从不同模态的故障数据中学习强鉴别力的非线性故障特征。 结果 在德国帕德博恩轴承 数据集和多模态轴承故障数据集上设计了针对性实验,实验结果显示在少量故障样本用于训练时即可获得良好的 诊断准确性。 结论 提出的方法是一种有效的跨模态故障诊断方法。     

基于SDAE-PSOSVM的航空变压整流器故障诊断方法研究

针对不同故障模式下航空变压整流器二极管故障特征相似程度高导致不易区分的问题,提出一种基于堆叠降噪自动编码器（stacked denoising auto encoder,SDAE）与粒子群优化支持向量机（partical swarm optimization support vector machine,PSOSVM）相结合的故障诊断方法.首先搭建航空变压整流器仿真模型,通过对不同故障模式进行仿真,获取故障数据;然后运用SDAE方法对高维故障信号进行故障特征提取,建立故障特征集;最后采用PSOSVM方法进行故障诊断,并且与常用的故障诊断方法进行对比分析.诊断结果表明SDAE-PSOSVM故障诊断方法准确性达到96%,可以对高维故障数据信号进行特征提取,提高不同故障模式之间的区分度.      

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小...     

基于独立分量分析特征提取的故障诊断系统

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题, 结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性.     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。