质量数据压缩技术

本文提出一种质量数据压缩方法.利用正态分布的特性,计算出产品质量参数出现在统计公差之外的份额q,由q的大小赋予描述变量不同的质量特征数Q.得出各描述变量的质量特征数Q后,即可通过质量特征数的综合,对反映产品质量的大量数据进行压缩,得出产品总质量的定量描述.     

关于有噪频谱有限信号Sanz－Hvang外推方法的稳定性

频谱有限信号的外推是信号分析中的一个重要的病态问题．关于有噪情况下的外推，［１］以猜测的形式给出一个外推方法，它在［２］中得到证实．从猜测本身来看，并不知道外推得到的信号与真信号在外推区间上的关系，本文进一步研究这种外推问题，说明噪声充分小时，所得外推信号与真信号的整体稳定逼近．     

面向社交媒体嵌入关系数据感知方法的研究

针对社交媒体数据感知成本高、数据感知效率低等问题,提出了社交媒体嵌入关系多阶段数据感知方法(online social media-multi stage data aware,OSM-MSDA)。该方法以数据感知对象内部关系的分布特征为基础,构造一个具有偏好特征的种子网络;采用Metropolis-Hastings方法优先选取数据感知对象中高度节点的邻接关系,快速填充特征网络,实现网络轮廓探测;使用基于马尔可夫生灭机制的延迟拒绝方法控制概率转移核,对局部耦合关系进行修剪,确保连通关系疏密的合理分布。实验结果表明:OSM-MSDA建立的多阶段渐进数据抽样方法,能够克服已有数据感知方法采集样本的盲目性,在宏观尺度准确、高效的感知社交媒体嵌入关系的社会资本特征,确保特征网络与数据感知对象的结构更具有一致性,同时还能降低数据的使用成本,将数据处理效率提高32%~63%。     

Two-Stage Identification Method for Attitude-Control Models of On-Orbit Satellites

A two-stage identification method was developed for attitude-control models of on-orbit satellites for accurate attitude control. The attitude-control models are based on a generalized attitude model (GAM) and its corresponding noise model (NM). These are both low order models which are able to characterize the main satellite dynamics and the corresponding noise. These low-order attitude-control models facilitate improved controller design and state estimation. This identification approach uses two open-loop identification processes, with higher order auxiliary models used in the estimation for filtering and with the filtered signals used to identify the low order GAM and NM. An identification experiment with a micro-satellite simulator was used to verify the effectiveness of the two-stage identification method.     

网络分层委托管理在独立代理环境下的关键技术研究

为了增强现有网络管理系统的性能和灵活性，将委托管理（MbD）技术应用到独立代理环境下的分层网络管理体系结构中，并提出了委托管理中的远程递交服务（RDS）、弹性处理服务（EP）、管理代码（DP）的相关实现策略，其中包括基于主从结构的RDS策略，基于DP分类的EP调度策略，基于进程调度的DP实现策略，通过将委托管理技术与独立代理技术合理地结合，得到一个灵活性高、性能良好的网络管理体系结构，为分层网络管理系统的研究和实现提供了一个比较好的模型和研究方向。     

SISO线性模型的阶次辨识和参数估算

对于ＳＩＳＯ线性差分方程模型,利用ＵＤ分解技术和数据向量的“移位性质”,可实现信息压缩阵的递推分解,从而在每步递推中能同时获得从１到ｎ（ｎ为实际系统的最大可能阶次）各阶的模型多数估值和损失函数值。利用所得的各阶损失函数值,可方便地确定系统的阶次、当系统噪声为有色噪声时,本方法党政军可同时确定噪声模型的阶次。本算法可显著减少辨识过程的计算量,具有良好的数值计算品质,提高了辨识精度。     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

最小二乘支持向量机的短期负荷多尺度预测模型

提出了一种改进的电力负荷短期预测小波网络模型，该模型采用最小二乘支持向量机(LS-SVM)实现了小波分解系数的多尺度组合预测．首先使用多孔算法对短期负荷序列进行小波分解，得到指定尺度下的近似系数和相关尺度下的小波系数，然后利用LS-SVM对预测点的系数进行多尺度组合预测，通过小波重构可以求得相应的预测值．结合某地区短期负荷需求数据进行了仿真试验，研究了预测点与历史记录数据的相关关系．预测结果表明，使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精度，同时LS-SVM的引入大大提高了模型的可计算性．     

基于分布智能传播的自动故障管理

提出一种新的基于分布智能传播的自动故障管理系统(AFMDIP),该系统采用人工智能和网络分布管理技术,引入协作代理,提高了系统数据采集能力.代理用神经网络和事例暂存库进行告警收集、分类和事例管理.域内的故障首先由代理进行诊断,域内不能解决的问题将提交给管理中心.管理中心综合考虑各个域的信息,进行基于事例推理的故障诊断,并将事例传播到代理中.后续的类似故障将由代理直接完成诊断,提高了故障管理的效率,达到了信息和事例共享的目的.实验证明,AFMDIP有效降低了管理中心的带宽消耗,提高了在大范围多故障情况下的故障诊断速度.     

基于时频分析的分布式拒绝服务攻击的自动检测

研究了分布式拒绝服务 (DDoS)攻击的特点 ,定义了流连接密度 (FCD)的概念 ,并证明了FCD时间序列的非平稳特性 .据此 ,提出了一种新的基于时频分析的自动检测DDoS攻击的方法 ,该方法采用平滑魏格纳 维利分布对FCD时间序列进行时频变换 ,将FCD时间序列转换为二维空间内的波动能量分布 ,并有效抑制了二次交叉项的影响 ,然后使用经过样本训练的K最近邻分类器进行攻击识别 .实验结果表明 ,该检测方法能够比较准确地识别DDoS攻击 ,识别误差主要出现在网络状态切换阶段 ,这对攻击识别的影响很小 ,识别误差率仅为 4 2 6 % .