周界监测中的阈值优化和多模态节点协同检测算法

为提高无线传感器网络周界监测中多节点的目标协同检测能力,提出了一种新的阈值优化方法及多模态节点协同检测算法。首先,在一定的环境噪声下,采用蒙特卡罗方法建立节点虚警率与节点阈值之间、系统虚警率与系统阈值和节点虚警率之间的映射关系,通过查表直接获取阈值,实现了节点和系统阈值优化;然后,利用节点的空间分布特性和目标信号信噪比,对节点检测结果进行加权修正,实现了多模态节点的检测结果融合;最后,通过仿真实验对阈值优化方法和多模态节点协同检测算法进行了验证。仿真结果显示,相对于单模态节点协同检测算法和简单阈值判决算法,多模态节点协同检测算法的目标检测率分别提高了约25%和3%。     

无线自组织网络高准确度自私节点检测机制

针对现有自私节点检测机制无法对自私节点和失效节点进行准确区分,且自私节点误检率高的缺点,提出了一种高精确度自私节点检测机制(ASD).该机制基于无线设备接收数据需要满足一定信噪比要求以及自组织网络中节点分布密集的特点,选择具有更高信噪比的临近节点作为检测代理对转发节点进行检测,在提高检测精度的同时对网络中的失效节点和2种不同类型的自私节点进行准确区分.在ASD机制下,当节点发送自身数据而不转发临近节点的数据时,该节点被判断为自私节点,从而可实现自私节点与失效节点的区分;当节点对临近节点数据拒绝转发而仍然对临近节点进行确认应答(ACK)响应时,该节点被判断为拒绝转发节点,进而可实现拒绝转发自私节点与拒绝ACK响应自私节点的区分.仿真结果表明,ASD机制在任意拓扑结构下的自私节点误检率降低了31%,平均检测精度提高了12%.     

基于相似度分析的蠕虫检测算法

近年来,蠕虫逐渐成为一种主要的网络威胁.文中针对现有蠕虫检测算法误检率高的问题,提出了一种基于相似度分析的蠕虫检测算法.该算法通过分析异常数据序列与蠕虫行为特征之间的相似性,实现对基本累计异常行为特征检测算法的优化;同时,考虑到复杂的网络环境,利用卡尔曼滤波器的预测功能实现对检测阈值的动态调整.仿真结果表明,与基本累计...     

一种基于PMC模型下的概率性矩阵诊断算法

系统级故障诊断是提高多处理器系统可靠性的必要手段。为了有效定位多处理系统中的故障单元,该文建立了一种基于PMC模型t可诊断条件下的概率性矩阵诊断算法。首先对一般概率性矩阵诊断算法进行仿真分析获悉其具有较高的误检率,在诊断过程中引进绝对故障基和节点集团思想,通过计算绝对故障基以寻找系统中的部分故障处理机,集团用于将不确定状态的节点单元分类以补充正常节点集合,改善了原诊断的限制条件。仿真实验验证:改进后的概率性矩阵诊断算法保持了很高的检测精度,并且随着节点数的增多极大地降低了误检率,提高了诊断效果,使得该算法具有广泛的适用性。     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 .     

基于三支动态阈值K-means聚类的入侵检测算法

K-means算法以硬聚类划分思想被广泛应用于入侵检测系统,这种严格的边界划分方法在对许多新衍生类入侵数据检测时,易出现检测率低、误检率高的情况。同时,当处理复杂网络访问数据时,采用固定的k值不够灵活,也影响检测的准确性。结合三支决策思想,对传统K-means算法进行了改进,提出了基于三支动态阈值K-means聚类的入侵检测算法。该算法通过动态阈值调整,可以优化聚类的数量,在一定程度上消除了固定k值对入侵检测效果的影响。将离群的不确定性网络数据进行分离和延迟判断,通过二次聚类重新划分后再做决策。在KDD Cup99数据集上实验结果表明,当攻击类型逐渐增多、攻击行为更加复杂时,改进后的K-means算法在检测率和误检率上显著优于传统K-means算法。     

基于视频的全天候多特征融合火焰检测算法

针对传统可视化火灾探测技术采用单独分析可见光摄像设备或红外摄像设备采集的图像进行火灾探测, 不能全天候监控火焰的问题, 提出一种全天候多特征融合的检测算法. 首先通过视频类型判断算法确定摄像头采集的每帧图像类型, 然后利用与图像类型相对应的算法提取疑似火焰区域, 最后对疑似区域进行基于DCT的火焰频率检测和帧间相关性检测, 判断火焰是否存在. 实验表明, 该检测算法解决了传统可视化探测技术不能全天候监控火焰的问题, 且能在保持火焰高检测率的同时降低误检率.     

无线传感器网络中基于簇的实时节点故障检测算法

无线传感器网络主要任务是数据采集,在许多的应用场合对传感器网络数据可靠传输有较高的要求,但由于传感器节点容易失效,导致数据无法正确传输,因此故障检测是确保数据信息正确收集的重要保障.本文中提出了一种基于分簇网络拓扑的实时故障检测算法(CRFD),能够在网络划分的不同簇中自发地完成故障检测,正确诊断出节点的状态.分析了算法的性能,并通过仿真实验,表明与"基于比较的故障检测算法(CBFD)"相比,CRFD算法具有更小的系统开销,从而有效节省节点能耗.     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求，提出了集成网络间的结构差异度的概念．在此基础上设计了一种基于反向选择的免疫算法，该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度，从而提高神经网络集成的泛化能力．同时证明了该算法对最优个体的收敛性．将该方法应用于受噪声污染的非线性时间序列故障预报，根据预测误差可以方便准确地检测系统的缓变故障和突变故障，实现对微小故障的快速故障预报，降低误检率．仿真结果证明了该方法的有效性．     

基于聚类的Ad hoc网络入侵检测研究

由于Ad hoc网络的独特网络特性,其安全性特别脆弱.在分析了Ad hoc网络安全性的基础上,提出了一种聚类算法和人工免疫系统相结合来进行入侵检测的方法.该算法是一种无监督异常检测算法,它具有可扩展性、对输入数据集的顺序不敏感等特性,有处理不同类型数据和噪声数据的能力.实验表明,该算法可以改进Adhoc网络入侵检测的检测率和误检率.     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

云计算系统服务器节点故障的检测算法

传统故障检测算法无法应对云计算系统服务器的动态性与随机性,为此,提出一种云计算系统的服务器节点故障检测算法.首先对云计算系统性能数据进行采集,然后采用AFD算法设计故障检测器,对云计算系统服务器节点故障进行检测,并分析了服务器节点故障检测消息在服务器节点间的通信过程,最后通过服务器节点之间原有的信息交换,按照节点间的消息处理时间对故障检测阈值进行动态调整,从而应对服务器的动态性和随机性.实验结果表明,该算法检测结果可靠,适应性强.     

基于协作频谱感知和干扰约束的认知异构网络

针对异构无线网络的空闲信道检测准确率及网络吞吐量的优化问题,提出一种基于协作频谱感知和干扰约束的认知异构网络.首先,所提出的认知异构网络系统模型采用多个中心次用户(Center Secondary Users,CSU)节点协助其他节点进行频谱感知,并引入了能量检测阈值,在提高空闲信道检测准确率的同时节省检测能耗.接着,采用最大化数据速率的联合优化方程,在干扰功率的限制约束下为节点分配最佳的发射功率,降低干扰程度并优化网络吞吐量.实验仿真结果表明,相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法,该算法的网络吞吐量分别提升了3.4%和1.5%,平均频谱利用率分别提高了9.3%和7.4%.     

基于粗糙集的温室无线传感网络节点故障诊断

针对系统资源有限、不适宜运行复杂故障诊断算法的问题,提出基于粗糙集的温室无线传感网络节点故障诊断方法.结合网络体系结构,以资源丰富的汇聚节点为中枢,在运行过程中在线判别其子节点故障征兆,通过简单地查故障诊断决策表的方法来诊断子节点故障类型;从系统的、模块化的角度构建的子节点故障征兆、故障类型具有相关性,在简化决策的同时也造成了决策表的冗余,运用粗糙集及其数据约简理论设计一致数据启发式子节点故障诊断约简算法来约简冗余,建立了更简洁的子节点故障诊断决策表.结果表明,基于粗糙集能够实现在线简便的故障诊断,并可节约子节点系统资源.     

密集行人检测方法研究

针对现有行人检测算法面对遮挡、尺度不一等问题表现出来漏检率和误检率高的情况,提出一种基于改进YOLOv5的密集行人检测方法Improved-YOLOv5.采用改进BIFPN网络替换原有PANet,增强特征融合网络对于特征信息的利用率和对于小尺度行人的关注度.采用EIoU Loss替换原有CIoU Loss,提高模型的回归精度和收敛速度.提出一种新的后处理算法T-NMS,通过增加一个额外的阈值,提高模型对于密集场景下行人密度的区分能力,并在模型开销增加不大的前提下降低了漏检率.实验结果表明,在Citypersons数据集上,所提密集行人检测方法Improved-YOLOv5相比原YOLOv5算法在不同程度遮挡的子集上检测效果均有明显提升,尤其是高遮挡Heavy子集的MR^-2降低了4.2%,达到53.1%,表明改进方法在密集行人检测中具有较好的性能.     

基于极值距离双轨调整策略的入侵检测算法

目的 针对入侵检测算法存在检测率低、误报率高等问题,提出基于密度极值距离双轨调整策略的改进K-means算法(K-DTEV算法).方法 该算法使用新的噪声数据处理方法和2个新的改进策略(最优阈值判定策略、初始点中心选择策略),能够消除阈值参数对点密度大小的影响,准确判断高密度点和噪声数据,进而优化初始中心点的选取.结果 与结论本文使用改进算法与K-means算法和PDSK-means进行比较,结果表明K-DTEV算法在检测率、误检率等评价指标上均优于对比算法.     

DTNs中一种基于节点有效交互度和效用的节能路由算法

延迟容忍网络是一种通过节点机会通信的网络类型.由于该网络中节点不易预测的移动性模式和容易中断的连接,路由算法一直是DTNs中研究的重点.但是目前从节省能量消耗角度提出的路由算法较少.文章提出一种基于节点有效交互度和效用的节能路由策略.首先,从节点有效交互度出发来进行转发传输速率控制,在节能与转发成功率之间自适应调整.其次,从节点效用出发设置消息携带者转发概率,选择合适的节点进行消息转发,避免网络产生过多消息副本.再次,仿真实验结果显示,与其他路由算法相比,该文提出的算法在保障网络消息传递率的基础上可以降低约6%～15%节点能量消耗.     

基于自组织映射网络的网络入侵检测算法设计

入侵检测系统是一种对网络进行安全保护的重要手段,提出了一种基于自组织映射网络的入侵检测算法,通过训练数据对自组织映射网络进行训练,得到一个用于进行入侵检测的网络安全检测算法.该网络安全检测算法通过建立3层自组织映射网络模型,设计了权值、邻域与学习率的更新方式,输出端的值则对应了网络输出各安全事件的发生概率.采用KDDCUP99进行仿真来对本算法进行验证,将具有最大概率的模型作为入侵检测结果.仿真实验表明,算法能有效实现网络入侵检测,具有较高的网络入侵检测率及较低的误检率和漏检率,同时与其他同类算法相比,对于各类网络攻击均具有更高的检测率.     

软件定义网络下两阶段大象流识别算法

目的 针对数据中心网络(Data Center Network, DCN)中数据流量多导致大象流与老鼠流识别精确度低的问题,提出一种基于软件定义网络(Software Defined Networking, SDN)下两阶段大象流识别算法。方法 将SDN与DCN结合,第一阶段,采用高斯分布动态阈值优化算法,通过对数据包阈值的设定,计算大象流误检率与漏检率,不断优化得到最优阈值,以此识别出可疑大象流;第二阶段,在依据流传输速率与流持续时间精确得到大象流的基础上,提出阈值约束、流量检测机制、Count计数器等三方面改进对大象流识别阈值下限的约束,将网络中大象流的数据量与流持续时间进行周期内阈值计算,提高大象流的识别精确度。结果 实验结果表明：算法与已有相关算法相比,第一阶段可疑大象流平均字节数比网络流平均字节数多11.3%;不同阈值下的算法准确度提高1.7%,不同网络流量下的大象流平均检测时间降低至6 ms以内。结论 软件定义网络下两阶段大象流识别算法在第一阶段具有较强的大象流识别能力,同时算法的精确度有所提高,大象流的平均检测时间降低,提高了网络质量,能为进行网络流量调度策略的进一步研究...     

基于四叉树扇形层值聚类的无人船障碍物检测

为了实现无人船自主导航过程中对障碍物的精确检测,提出了一种基于四叉树扇形层值聚类的无人船障碍物检测方法。首先基于四叉树扇形划分进行障碍物点云数据地检索,并剔除扇形象限内不可信数据;然后利用所获得的四叉树层值来求取全局密度距离,进而获得层值阈值,以此来对不规则多线形障碍物特征进行检测;最后通过建立数据点之间的空间拓扑关系来求取参考距离,并以参考距离为基准对障碍物点云数据进行聚类判定,提高聚类分割准确性。多线形障碍物特征识别性能测试及水面无人船障碍物检测实验结果表明,相较于其他密度聚类算法,在正检率、误检率和漏检率性能指标方面,前者测试中文中算法分别平均下降了9.86%、5.04%、3.10%,后者测试中文中算法分别平均下降了10.50% 、6.97%、2.95%。