基于隐马尔可夫的恐怖事件预测模型

为了对恐怖事件实现早期预警,通过分析恐怖事件的网络结构,构建了恐怖事件的预测模型。利用隐马尔可夫模型与贝叶斯网络方法,通过分析一些先前发生的事件来预测恐怖分子在未来一段时间可能发动的恐怖活动,实现对相关情报的侦测,预防可能发生的恐怖事件。同时,对完备数据与不完备数据条件下的恐怖事件的预测算法进行分析。结果表明,提出的预测方法与使用监测软件得到的结果相近,验证了隐马尔可夫模型的合理性和贝叶斯网络方法的有效性。不足之处在于,监测过程获取的情报信息较少,一定程度上影响了模型结果的精确度。     

基于图像处理与神经网络的岩石组构识别

针对岩石薄片组构鉴定的复杂性问题,基于岩石薄片数字图像的数值分析,提出一个自动进行岩石组构识别分类的系统方法:使用图像处理技术对岩石薄片的灰度数字图像进行特征提取,将其作为神经网络的输入,网络输出是图像对应的岩石组构类别;使用来自鄂尔多斯盆地苏里格地区的100幅岩石薄片图像进行实验,神经网络的训练集、验证集和测试集随机分为70、15和15幅图像,测试结果表明自动识别岩石组构的正确率达93.3％.该方法对于地学问题具有较好的综合判别能力,可以快速和准确地进行岩石组构识别.     

基于BiGRU- CNN的网络舆情情感识别模型

目的 随着公众舆论数据的快速增长,社交网络文本情感识别在网络舆情监控中发挥着越来越重要的作用。由于文本数据的稀疏性、高维性和自然语言的复杂语义,情感分析任务面临巨大的挑战。方法 为提高网络舆情情感识别的效果,设计一种融合双向门控循环单元(BiGRU)和卷积神经网络(CNN)的情感识别模型。首先将社交网络文本转换成特征向量,然后通过BiGRU提取文本的上下文情感特征,最后通过CNN提取文本的局部情感特征,构建中文社交网络文本情感识别模型。结果 以新冠疫情期间网民的微博评论为数据集验证模型的可行性和优越性,模型的精确率、召回率和F1值分别达到86.6%、87.06%和86.85%。结论 实验结果表明,融合BiGRU-CNN的特征向量包含更加丰富文本的情感信息,能够有效提升网络舆情情感识别的性能。     

基于改进的长短期记忆网络的调制识别算法

自动调制分类技术是无线通信技术中的一个重要研究领域,卷积神经网络以及长短期记忆网络(Long Short-Term Memory,LSTM)两种深度学习模型在基于特征的自动调制分类技术中得到了广泛的应用.然而在实际应用中这两种模型都存在着一些问题,卷积神经网络模型在处理长时间依赖序列的分类任务时的准确率不佳,LSTM模...     

基于循环胶囊网络的临床语义关系识别研究

得益于医疗信息化的不断推进,医院已积累了大量的电子病历记录。然而,这些病历记录大多以自然语言的形式存在,无法为计算机所理解,也就无法对其做进一步的处理与挖掘。由此,对病历文本进行结构化研究,识别出病历实体间的语义关系,便显得尤为重要。本文针对临床语义关系识别任务,提出循环胶囊网络模型,使用分段循环神经网络来捕捉两实体及其上下文信息,并使用胶囊网络来进行最终的关系分类。实验表明,本文提出的方法较现有监督学习方法取得了更好的识别效果(F1-score为96.51%),证明了本文方法的优越性。     

基于移动代理的多媒体网络QoS分布式关联监测方法研究

采用分布式监测机制来实现多媒体网络业务QoS(服务质量)保证是一个重要的研究方向。首先分析当前多媒体网络QoS分布式监测方法的相关研究;然后将移动代理技术引入QoS分布式监测方法,提出一种基于移动代理的QoS分布式关联监测框架;并以该框架为基础提出一种基于移动代理的QoS劣化网段定位方法。仿真表明了该方法的实时性和有效性,也表明提高了网络接口利用率和减少了网络时延。     

顾及多源神经网络的复杂网络异常识别

针对传统异常检测算法存在复杂小样本情况下过拟合、误报和漏报现象,文章提出一种顾及多源神经网络的复杂网络异常识别方法(Anomaly recognition method for complex networks,ARMCN)。算法根据多源神经网络复杂异常类离散度的准则,寻找原始向量的最优投影方向,使各网络之间最大限度地分离,从而达到正确的检测。最后,利用开源软件,结合实例来对该方法的有效性展开验证。     

基于用户关系的在线社会网络关键用户识别算法

为了从在线社会网络中识别关键用户,并对用户的关键性进行量化排序,提出URRank算法,通过模拟人类社会的投票行为,综合考虑用户自身的活跃度和用户间的关注与互动关系,经过迭代计算,量化用户的关键性.以新浪微博的部分抓取数据为例,通过比较现有几种关键用户排序算法发现,URRank算法能够避免其他算法存在的被欺骗及片面性问题,识别出具有高认知度和高覆盖度的关键用户.     

基于神经网络多国货币种类的识别与研究

提出了一整套解决货币种类的识别方案,该方案由一套包含扫描头和探头矩阵在内的计算机硬件和软件系统组成,通过探头矩阵获得货币图案的采样值,应用神经网络实现种类的识别。     

基于DSM的违法建设遥感监测研究

本文基于笔者从事城乡规划管理的相关工作经验,以城市违法建设遥感监测为研究对象,提出了基于DSM的城市建筑快速检测方法和违法建设快速监测方法,论文一并探讨了遥感数据的选择和处理流程。全文是笔者根据现今城乡规划管理工作的迫切需要,并结合日常工作实践基础而形成的理论升华,相信对从事相关工作的同行有一定的参考价值和借鉴意义。     

公共安全与核监测

针对"中华人民共和国突发事件应对法"界定的四类突发事件中社会安全事件,从核和辐射恐怖突发事件公共安全角度阐述了核和辐射恐怖主义四类袭击手段的潜在威胁是在国际范围内对公共安全最具挑战性的威胁之一。按照"应对法"提出了"预防为主,预防与应急响应相结合"原则以及相应的行动谱。核和辐射恐怖突发事件的防范与应急响应的核心技术是核监测。全面系统地论述了核监测技术,包括:开展核和辐射恐怖事件防范与响应的核监测战略研究;为防范核和辐射恐怖事件,对核材料与其他放射性物质以及IND,RDD,RED的探测、报警、定位与识别,建立全国性辐射监测网(体系);核和辐射恐怖事件发生后果管理中应急响应的辐射监测特殊要求与相应技术。     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

基于BP神经网络的数字图像边缘检测算法的研究

指出了传统边缘检测算子算法的不足，提出了一种利用基于BP神经网络的数字图像边缘检测算法，即利用传统边缘检测算子检测出来的图像中像素的灰度的不同比例作为学习训练图像，进行神经网络的学习训练，改变神经网络的结构参数得到神经网络的模型参数，最后给出了BP神经网络实现图像边缘检测的实验研究结果。从实现中可发现，将人们关于边缘特征的先验知识包含在内进行数字图像的边缘检测，能够取得比较好的效果。     

基于功率监视的光突发交换网络故障发现机制

光突发交换(OBS)网络的数据信道由于采用统计复用的全光透明传输方式,因此其性能监视和故障发现是一项极具挑战性的研究课题。在分析使用平均功率监测方法检测OBS网络故障时存在缺陷的基础上,提出了基于瞬时光功率监测的光突发交换故障发现机制,该机制采用瞬时光功率监测与告警过滤相结合实时监视信道,有效过滤误告警和冗余告警,为故障定位模块提供更准确的告警信息。理论分析和仿真结果表明在OBS网络中,基于瞬时功率监测的告警过滤机制具有更强的性能监视和故障发现能力。     

基于功率监视的光突发交换网络故障发现机制

#光突发交换（OBS）网络的数据信道由于采用统计复用的全光透明传输方式，因此其性能监视和故障发现 是一项极具挑战性的研究课题。在分析使用平均功率监测方法检测（OBS）网络故障时存在缺陷的基础上，提出了 基于瞬时光功率监测的光突发交换故障发现机制，该机制采用瞬时光功率监测与告警过滤相结合实时监视信道， 有效过滤误告警和冗余告警，为故障定位模块提供更准确的告警信息；理论分析和仿真结果表明；在(OBS)网络 中，基于瞬时功率监测的告警过滤机制具有更强的性能监视和故障发现能力。     

基于SVM和RBF神经网络的民航不安全事件组合预测方法

为提高航空业安全水平,预测飞行过程中存在的主要事故风险,本文基于2002年2月至2014年2月的民航事故数据统计,采用SVM和RBF神经网络加权组合模型对民航不安全事件发生原因及飞行阶段事故数量进行了预测。通过对3种典型预测方法的均方根误差比较,证明了此方法的可行性与有效性,结论可为民航安全管理提供科学依据。     

基于维特比算法的深度神经网络语音端点检测

语音端点检测(voice activity detection,VAD)是在连续语音信号中,将语音和非语言片段分离的技术。VAD在语音识别、说话人识别、语音编码等领域起着重要作用。传统VAD算法在类型已知的噪声环境下可以达到较好的性能,但在实际情况中,未知噪声的影响通常会使系统性能下降显著,在差异化噪声下的VAD是端点检测的研究难点。在总结现有语音端点检测算法基础上,提出了一种基于深度神经网络的语音端点检测方法,同时结合维特比算法,与基于贝叶斯信息准则(bayesian information criterion, BIC)的混合高斯模型(gaussian mixture model,GMM) 语音端点检测系统进行对比,在大词汇连续语音识别系统中的实验结果表明,将深度神经网络结合维特比算法,应用于语音端点检测,在复杂噪声环境下取得了更好的效果,适应性更强。     

基于卷积神经网络和迁移学习的结构损伤识别

针对传统基于机器学习损伤识别方法手工提取特征适应性差、识别能力弱等问题,提出一种基于卷积神经网络和迁移学习的新颖、快速结构损伤识别方法.首先根据损伤特征向量特点,提出原始信号的分帧处理流程;其次考虑多传感器数据融合要求,建立多通道一维卷积神经网络结构损伤识别模型,给出模型的整体流程和网络参数;然后采集不同通道和不同噪声水平下,模拟不同位置程度损伤的15层框架数值模型加速度数据,进行损伤识别;最后将网络模型进行迁移学习,对7层框架模型试验进行损伤识别,并验证所提方法的可行性、准确性和计算复杂性.结果表明,该方法实现了特征自适应提取、损伤位置和损伤程度的精准识别,具有突出的计算效率.     

基于支持向量机免疫集成预测的电信网络性能监控

为实现持续有效的电信网络性能监控,提出一种改进的支持向量机预测基线法.利用人工免疫网络优化支持向量机参数、核函数参数、嵌入维数和样本规模等回归分析的自由参数,提出支持向量机免疫集成预测算法.根据电信网络性能的周期性特点构建同点时间序列模型,以预测的置信区间为基线对电信网络性能进行监控,通过对某软交换服务器的CPU负荷进行实验分析.研究结果表明:与经验自由参数相比,支持向量机免疫集成预测算法能取得更加精确的回归模式,其误差平方和减少55.4％,同点时间序列模型能有效克服连续时间序列中存在的异常输入敏感问题,准确发现多个连续的异常点.     

基于神经网络和证据理论集成的钻井过程状态监测与故障诊断

钻井过程状态监测与故障诊断是钻井系统安全运行过程中的重要保障。基于信息融合原理,先建立钻井过程参数子空间和子神经网络进行初级融合,形成对钻井故障辨识框架中各故障模式的证据支持,再利用D-S证据理论将子网络输出所形成的证据进行融合,得到各故障模式的置信区间,很好地实现了钻井状态识别。试验结果表明,基于神经网络和证据理论集成的融合算法降低了神经网络的复杂性,提高了神经网络诊断过程的效率,集成融合算法可以很好地提高钻井参数融合的准确性。