基于转移函数的移动网络海量数据隐私泄露检测技术

移动终端网络数据规模大,采用传统方法对海量数据隐私泄露进行检测时,无法保证网络中所有查询结果均参与运算,不能保证检测结果的准确性。为此,提出一种新的移动终端网络海量数据隐私泄露检测方法。把设计系统安装于移动运营商核心网,构建检测系统模型。将半格看作数据分析方式,通过半格元素对移动终端网络数据信息进行描述。采集程序中和变量使用相关的信息,对数据在基本块间传输与修改过程进行研究,实现对所有移动终端网络数据的分析。令全部查询结果参与运算。前向遍历基本块中的函数,依据函数类别,按基本块内污点规则对污点数据与漂白污点数据施行更新。获取转移函数,将转移函数应用于格值,得到隐私泄露数据。依据T-D法建立隐私泄露检测模型,对其进行优化,获取K-匿名隐私泄露检测模型。通过K-Q法对其进行求解,实现移动终端网络海量数据隐私泄露检测。实验结果表明,相对于传统方法,检测准确性较高,具有广泛的应用价值。     

光纤陀螺零漂数据建模与滤波的研究

在对闭环式干涉型光纤陀螺零漂数据建立时间序列模型(ARIMA模型)的基础上,采用卡尔曼滤波算法对闭环式干涉型光纤陀螺零漂数据进行滤波处理,并通过功率谱密度分析卡尔曼滤波算法的滤波效果,同时采用Allan方差法解算滤波前后的零漂数据的各项噪声源误差系数,并通过各项噪声源误差系数分析滤波效果。     

冰箱压缩机性能自动测试系统的研制

介绍了CTS-1型冰箱压缩机性能自动测试系统的设计原理.该系统采用第二制冷剂量热器法测量制冷量,应用计算机技术以及高精度的测量和控制装置,实现压缩机性能测试中工况控制、参数检测、数据处理和报表制作等各项功能的自动化.     

嵌入式实时系统中劣质数据动态检测方法研究

在嵌入式实时系统中,数据在采集过程中容易出现丢失现象、在传输过程中容易受到外界攻击变成劣质数据,威胁整个系统的安全。当前劣质数据检测方法通过聚类法实现,不仅通信开销大,而且检测性能低下。为此,提出一种新的嵌入式实时系统中劣质数据动态检测方法,建立嵌入式实时系统。介绍自回归模型的构建方法,通过优质数据的变化规律构建自回归模型。为了使构建的自回归模型的误差尽可能地接近0,面对嵌入式实时系统的动态变化对构建的模型进行自适应调整。通过调整后的模型对嵌入式实时系统中劣质数据进行检测,给出检测过程。实验结果表明,采用所提方法对劣质数据进行动态检测,检测精度和效率较高,通信开销较低,整体性能优异。     

斜拉索索力估算中振动信号处理方法的改进

随机振动法是检测斜拉索拉力的有效方法,采用经典谱估计的方法对数据进行处理,其精度会受到快速Fouri-er变换(FFT)栅栏效应的影响,为此采用离散时间序列Fourier变换(DTFT)方法实现对斜拉索固有频率的精确搜索,以提高随机振动法求解斜拉索拉力的精度。对塘沽海河斜拉桥拉索的振动数据进行处理以求解加载前后斜拉索的拉力,结果表明:DTFT方法比FFT法求解的精度提高了5%。     

恶劣天气下基于锚点的多尺度融合车道线检测及优化方法

针对黑夜和大雾天气下车道线检测的问题,在数据预处理阶段采用改进的自适应伽马变换对过暗或漂白的图片进行增强,并利用暗通道先验法对大雾场景下的图像进行数据增强,从而降低干扰. 在特征提取阶段,采用改进的rotation forest block（RFB）网络提取车道线的特征信息,并通过基于锚点的分类方法实现了快速而准确的车道线检测功能.     

基于集成神经网络的球墨铸铁珠光体含量涡流无损智能测定

为了实现球墨铸铁珠光体含量的智能无损测定,制备了具有代表性的球墨铸铁试样并按珠光体粗细程度将其分为三类。首先在分析了影响球墨铸铁电磁性能的主要因素的基础上,同时采用涡流无损检测法与金相法对球墨铸铁珠光体含量进行了测定,对检测数据进行回归分析表明二种方法的测量结果很接近;然后采用集成神经网络处理涡流检测数据并对珠光体含量进行了预测,预测结果表明基于集成神经网络数据处理的涡流检测是一种快速智能识别球墨铸铁中珠光体含量的有效方法。     

一种二维扫描式大气偏振信息采集系统设计

大气偏振信息的有效获取是实现大气偏振信息应用的前提.文章介绍了一种基于C8051F320单片机的嵌入式数据采集与控制系统,实现了通用嵌入式多路模拟数据的采集、处理、存储与显示,检测结果表明,该系统运行稳定、操作方便,各项指标均达到了实际检测的总体要求.     

结核分枝杆菌不同药物敏感性检测方法的比较

采用比例法和绝对浓度法检测了56株结核分枝杆菌对异烟肼和利福平的敏感性,探讨了比例法和绝对浓度法检测结核分枝杆菌耐药性的一致性和可比性。检测结果显示:2种方法检出的耐药率差异无显著性;用2种方法进行结核分枝杆菌耐药性测定的一致性较高,采用国际通用的比例法,依然具有与我国传统采用绝对浓度法获得的资料数据的可比性。     

一种实现BSS帐务系统数据检测的技术方案

综合应用几种常用数据检测技术,提出一种实现BSS帐务系统数据检测的技术方案。该方案是在BSS帐务系统的日常数据监控中,采用数据排除检测法将每天不合理的数据提取出来即时处理;在月结出帐数据检测中采用数据对比检测法缩小问题数据范围后,用抽样数据检测法检查出异常或错误数据,从而确保BSS帐务系统中数据的准确性和可靠性。     

基于特征融合的视频异常事件检测方法

为有效对视频数据进行降维并去除特征集合中的冗余信息, 以提高异常事件的检测效率, 从特征提取和选择的角度提出了融合特征区分度和相关性的视频异常事件检测方法。利用视频数据的时空邻域信息进行特征提取。通过分析特征的判别力和相关性进行特征选择, 从而去除特征集合中的冗余信息, 提高异常事件检测的效率和准确性。实验结果表明, 该方法的检测准确率都优于其他传统方法, 能有效地对场景中发生异常事件的区域进行准确定位。     

癌症单细胞数据拷贝数变异检测方法

随着单细胞测序数据的异质性优势在癌症研究中的逐渐体现，现有拷贝数变异检测方法在检测单细胞数据时效果差的问题亟待解决。提出一种新的单细胞数据拷贝数变异检测方法（FL-CNV），通过动态窗口划分及数据估算对变异区间进行范围估计和断点确定，以明确拷贝数变异的断点位置和变异类型。所提方法突破了现有检测方法在单细胞数据上的局限性，对其检测效果在模拟数据和真实数据上进行了实验验证。结果表明：与现有方法相比，本文所提方法能显著提高拷贝数变异检测的精度和敏感度，且所得结果与比较基因组杂交（array-based comparative genomic hybridization，aCGH）的拷贝数变异进行了相关性验证，具有更高的可信度。     

基于概率的故障检测方法及其学习策略

为了充分利用机组运行的实时信息以提高机组运行的安全性,提出了基于概率计算的故障检测方法。该故障检测方法模拟运行人员的故障检测过程,首先根据运行规程和运行经验得到基本故障检测知识,然后通过对历史数据的学习得到精确故障检测知识,再在此基础上,根据相关实时数据实现运行故障检测。为减少故障检测的漏报和误报,提出了该方法故障检测知识的自适应学习策略。理论分析和实验结果表明:该故障检测方法具有鲁棒性强、检测灵敏、知识获取容易和易于模块化等优点,可以有效地构成基于厂级监控信息系统的通用故障检测软件包。     

基于区块链的农产品可信检测数据存储方法

针对现阶段农产品质量检测数据的可信存取,以及数据的高吞吐量、低事务处理延时问题。提出了一种基于区块链的农产品可信检测数据链上链下分类存储方法。首先根据区块链的去中心化、不可篡改、带时间戳特性,将敏感的小文件检测数据存储在区块链,为其提供存储授信支持;其次将非敏感的大文件数据存储至链下数据库,从而缓解将整个检测记录链上存储所带来数据的高吞吐量;最后利用布隆过滤器的哈希函数快速判断查询元素是否在指定数据集中,来提高链上检测数据的查询效率。为了验证所提方法的查询效率,比较了在同一区块链数据存储环境下的有或者无布隆过滤器的两套实验方案。结果表明：前者的链上数据查询速度要高于后者,因此,所提方法能够为农业产品检测数据提供一个有效、可信的存取途径。     

一种基于PCA技术的入侵检测特征提取方法

为了提取入侵检测数据信息的特征和提高入侵检测系统的处理效率,提出一种基于PCA（Principal Components Analysis）技术的入侵检测特征提取方法,并利用Matlab统计工具箱对该方法进行仿真实验.实验结果表明,利用该方法所提取的特征足以代表入侵检测数据的主要信息,根据特征提取结果所进行的数据压缩处理是可行的.     

基于极限学习快速分类方法的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

网络切片中物理节点的分布式在线异常检测方法

网络切片中的异常检测问题是实现网络切片自动化管理的重要研究内容,针对网络切片中物理节点的异常检测问题,提出了基于支持向量数据描述的分布式在线物理节点异常检测方法.基于支持向量数据描述建立了一种分布式的物理节点异常检测模型;通过引入随机近似函数,解决了数据分布式存储场景下的核函数计算问题,从而实现观测数据的切片内处理;基于随机梯度下降法,提出了一种在线的物理节点异常检测算法,保证了模型动态更新并减轻了异常数据导致的模型性能下降.在不同条件下进行了仿真分析,仿真结果表明,该方法可在避免切片间观测数据传输的同时,有效利用网络切片中虚拟网络功能的无标签观测信息检测物理节点异常.     

稀疏性SVDD方法在故障检测中的应用研究

在支持向量数据描述(SVDD)方法的基础上,通过研究原始正常数据分布在高维映射空间内的稀疏特性,选取前k个高维分布边缘的数据点进行SVDD建模,用于解决SVDD方法处理大样本数据的缺陷,以及建模与过程监视时间长的问题.经过理论推导和仿真分析,验证了稀疏性SVDD建模方法可以有效地提高建模以及过程检测速度;对于大样本数据可以利用筛选后的小样本进行建模,解决了SVDD方法不能很好地处理大样本数据分类的问题;同时,此方法不影响故障检测的精度.在TE过程中的应用验证了该方法的有效性.