基于深度学习的空中目标威胁评估方法

针对空中目标威胁评估因素多、现有评估方法缺乏自学习能力的问题，采用深度学习理论建立了空中目标威胁评估的深层神经网络模型。为了提升模型训练的拟合效果，提出采用对称式的预训练方法，逐层地对模型中的隐含层进行预训练，最后对模型进行整体训练。分别通过样本测试集和空空仿真场景进行验证测试，结果表明：采用对称预训练方法，模型的威胁评估准确率高于其他三种预初始化方法；模型具有较好的鲁棒性，在无噪声下准确率大于90%，10%的正态噪声下，准确率大于70%。     

无人机集群自组织搜索仿真模型设计与实现

城市威胁背景下无人机集群自组织搜索移动目标问题，是无人机集群作战应用的一个重要发展方向。采用基于Agent的复杂系统建模仿真工具，构建了无人机集群搜索仿真模型框架，设计实现了无人机集群自组织搜索模型。在考虑无人机集群作战可能受到威胁的背景下，展示了无人机集群自组织搜索概念，探索了使用基于概率的有限状态机模型实现集群自主决策的解决方案，并通过案例进行了分析验证。该仿真模型为无人机集群作战应用研究提供了参考案例、模型支撑和实验平台。     

基于隐马尔可夫模型的电力信息系统动态威胁定量分析

针对典型电力信息系统的网络威胁定量评估问题，提出了基于网络入侵检测系统（network intrusion detection syetem，NIDS）报警信息和隐马尔可夫模型的网络威胁动态分析方法HMM-NIDS。该方法充分利用NIDS报警信息，从优先级、严重度、资产值和可信度4个方面分析NIDS报警信息，给出了报警威胁定量描述和分类方法，优化了隐马尔可夫模型中的观测矩阵；基于贝叶斯网络分析攻击成功的可信度，避免NIDS误警信息干扰；基于改进的隐马尔可夫模型，融合得到系统的动态风险量化值。基于Darpa2000实验场景模拟DDoS攻击，通过对比实验，验证了所提方法的有效性和优越性。     

1-奇异变换半群Tn(1)的秩

设自然数n≥4, X_n={1,2,…,n}。利用非单点性定义全变换半群的一类新的子半群——1-奇异变换半群,记作T_n(1)。 通过幂等元分析法确定X_n上1-奇异变换半群T_n(1)的最小生成集之后,证明T_n(1)的秩为n。