关于伪欧氏空间

本文提出了一些新概念，Ｐ－伪转置阵，Ｐ－伪正交阵，Ｐ－伪对称阵，从而能以这些矩阵为工具研究伪欧氏空间的性质以及空间中两个特殊线性变换，伪正交变换和伪对称变换。本文得到的主要结果是定理２，定理３，定理４，及定理６。本文还指出了北大编《高等代数》第二版中的伪正交变换习题的一个错误。     

伪黎曼流形的2-调和类空子流形

研究了伪黎曼流形的2-调和子流形，得到了伪黎曼流形的2-调和类空子流形成为极大的一个充分条件，推广了欧阳崇珍的伪黎曼流形中具平行平均曲率向量的2-调和子流形的相应结果．     

伪欧空间中类空向量、类空子空间的夹角

文章给出了伪欧空间中两个类空（类时）向量之间夹角的定义，给出了伪欧空间中两个类空（类时）子空间之间的单维角、多维角的定义并得到单维角、多维角之间的关系的公式。证明了伪欧空间Ek^n k中两个n维类空子空间的夹角等于与它们正交的两个k维类时子空间之间的夹角。     

T-MPLS层网络中基于伪线的以太网互通模型

随着T-MPLS产品的开发与成熟，MPLS将逐渐成为一种新的传送体制。介绍了端到端伪线模型，分析 了T-MPLS网络的信号封装机制，提出了T-MPLS层网络中基于伪线的以太网互通模型，利用原子模型图法详细 分析了基于伪线的以太网互通过程。     

一类集值映射的向量拟均衡问题

研究一类集值伪单调映射的向量拟均衡问题,利用著名的Fan-KKM定理证明了解的存在定理.作为应用,得到伪单调映射的广义向量变分不等式与隐式向量相补问题解的存在性.     

一种新的城市电力网优化规划模型

提出了一种基于伪动态网络流的城网优化算法，建立了相应的网络模型，采用了修正费用伪动态网络流算法。应用该方法能够较好地解决城网网多电源点、多负荷点的网络规划问题，实例计算表明该方法是有效可行的。     

基于机器学习的图像块效应盲评价算法

图像失真不仅能反映在图像的真实结构上,也能反映在图像的伪结构上,利用图像伪结构,基于支持向量机,提出一种图像块效应盲评价方法,在该方法中,使用支持向量机对联合图像专家小组（joint photographic experts group, JPEG)图像的伪结构特征进行训练以实现对图像进行质量评价。这些伪结构特征包括稀疏特征、边缘特征和颜色特征,利用支持向量机对图像的伪结构特征和主观评价结果进行训练,对未训练的图像进行预测。实验证明,该方法能够正确评价JPEG图像的质量且与图像的主观评价结果保持很高的一致性。     

关于球的紧致子流形的几个pinching定理

本文讨论球的紧致子流形，研究具平行平均曲率向量的，具平坦法丛的、以及伪脐子流形成为全脐子流形的条件，得到几个关于第二基本形式长度平方Ｓ的ｐｉｎｃｈｉｎｇ条件。     

伪黎曼流形中具有平行平均曲率向量的伪脐子流形

研究了伪黎曼流形中具有平行平均曲率向量的伪脐子流形,Npn p为n p维完备连通伪黎曼流形,它的截面曲率KN满足a≤KN≤b,Mn为Npn p中紧致的具有平行平均曲率向量的伪脐子流形.通过利用Green散度定理,得到了一个J.Simons型积分不等式,推广了已有结果.     

嘉兴探索伪基站查处之法

伪基站，也称为短信群发系统、小区短信发射系统等，均为地下工厂生产的三无产品，互联网上也能看到许多此类广告信息。伪基站不与公众移动网络相连，不能提供移动业务，使用时多将伪基站装于车内，在人群密集的街道小区移动发射，自动骗取其覆盖范围内的手机IMSI，使其接入伪基站，然后强”发进广告、诈骗等垃圾短信，令手机用户和运营商不堪其忧。     

基于区域建议网络的肺结节检测及其去假阳性

如今,基于深度学习的肺结节检测技术不断发展,在辅助医生进行肺结节检查的任务中极大提升了肺结节的检出率和诊断的准确率。本文采用了深度学习技术,提出了一种基于RPN网络结构的肺结节检测方法。针对肺结节的去假阳性阶段,本文将多个分类网络进行了性能对比。本文在Faster R-CNN网络上进行改进,使用Squeeze-and-Excitation（SE）结构以及ResNeXt的残差块构成特征提取模块,再结合UNet++网络结构,输出多个尺度的结果。最后将多尺度结果应用在3D RPN候选检测网络和R-CNN网络上,得到了灵敏度较高,假阳率更低的候选结节检测网络。在去假阳性结节网络阶段,本文用3D DCNN网络对候选肺结节进行假阳性的筛除,有效去除了部分假阳性肺结节,提升了多个FP/scan检查点的灵敏度。本文的网络最终得出灵敏度98.8%@8FPs,Competition Performance Metric（CPM）达到0.879。在去假阳性结节方面,本文验证了3D DCNN网络在几个网络中能够取得最好的效果,达到了15.6%的去假阳率。总的来说,本文的候选结节网络进一步提升了检测的灵敏度,网络模型达到了较好的检测效果。在去假阳性网络方面,得出3D DCNN作为去假阳性网络具有比其它一些网络模型更好的效果。     

基于高速网络环境的Snort主动包过滤预处理器研究

提出一种Snort主动包过滤预处理插件,在高速网络环境下,通过主动丢弃对检测误报率影响较小的数据包减轻系统负载,避免Snort在超负荷运行情况下的随机丢包现象。由于异常数据包主要来自于每个网络流前面的一定数量的数据包。因此,该预处理器实时地监控Snort的负载变化,当检测引擎负载超过一定阈值时,主动过滤掉网络流后面的正常数据包。实验表明,使用主动包过滤预处理器并采用一定的Snort调整行为可以在保证较低误报率的前提下有效降低Snort的漏报率,提高系统的检测效率。     

Network security situation evaluation based on modified D-S evidence theory

With the rapid development of global information and the increasing dependence on network for people, network security problems are becoming more and more serious. By analyzing the existing security assessment methods, we propose a network security situation evaluation system based on modified D-S evidence theory is proposed. Firstly, we give a modified D-S evidence theory to improve the reliability and rationality of the fusion result and apply the theory to correlation analysis. Secondly, the attack successful support is accurately calculated by matching internal factors with external threats. Multi-module evaluation is established to comprehensively evaluate the situation of network security. Finally we use an example of actual network datasets to validate the network security situation evaluation system. The simulation result shows that the system can not only reduce the rate of false positives and false alarms, but also effectively help analysts comprehensively to understand the situation of network security.     

融合BVM与ELM的网络异常检测方法

针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提出了一种新的融合球向量机(BVM,Ball Vector Machine)与极限学习机(ELM,Extreme Learning Machine)的异常检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权值来融合标签.实验表明:使用该融合方法进行网络异常检测的性能要优于使用单一的BVM或ELM;相对于融合传统的SVM与BP网络的方法,融合BVM与ELM网络异常检测方法的检测率与虚警率与传统方法相当,但其训练速度快、整体性更优.     

基于自适应免疫分类器的入侵检测

由于采用传统的分类器进行检测时,存在检测率低而误报率高的问题.提出了一种基于免疫聚类的自适应分类器方法,采用多信息粒度的思想有效地克服了聚类算法与分类算法间的不一致性.通过在真实网络数据集上对多种入侵行为的检测结果表明:该分类器的检测率高、漏报率和误报率低,较RBF分类器和BP分类器具有更好的分类性能和推广性能.     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

网络战中的网络欺骗技术

简述网络欺骗的概念,作用以及主要的欺骗技术,如ＨｏｎｅｙＰｏｔ、欺骗空间、技术网络流量仿真,多重地址转换,网络动态配置和创建欺骗信息。     

基于多视角深度信念网络的肺结节识别方法

针对传统肺癌计算机辅助诊断系统中肺结节检出过程烦琐,且存在假阳性高的问题,提出一种基于多视角深度信念网络的肺结节识别方法。该方法首先将肺结节进行三维重建并将重建后不同大小的肺结节归一到不同尺度的立方体中,然后将不同视角的2.5D切片作为深度信念网络的输入数据,最后通过不同的融合策略完成对肺结节的识别。在肺部图像数据库联盟(LIDC)数据集上大量实验表明:相比于传统肺癌识别系统本文方法敏感性为(92.8±0.25)%,平均每组病例假阳性个数为2.4±0.3,该方法能有效降低肺结节自动检测过程中的假阳性率。     

基于支持向量机和遗传算法融合的入侵检测

为了研究网络异常入侵检测问题,将支持向量机（SVM）和遗传（GA）算法融合并应用于入侵检测领域,区分正常和异常的用户行为,实现对网络系统的入侵检测.传统SVM算法易产生训练参数选择不当,难以获得较高的检测效率和分类精度等问题.针对此问题,提出了一种优化的基于SVM-GA融合的入侵检测方法,首先对网络入侵数据进行归一化处理简化输入,然后通过遗传算法对SVM训练参数进行同步优化,最后采用SVM算法对网络数据进行检测,分类识别得到网络入侵结果.仿真实验结果表明,该融合算法训练时间短、检测精度高、误报率和漏报率低,是一种有效可行的入侵检测方法.     

基于稀疏向量距离的网络入侵数据检测

传统的网络入侵检测速度慢、实时性差,且误报率较高。为此,提出一种基于稀疏向量距离的网络入侵数据检测方法。该方法首先对所获得的网络样本数据进行初步分析,采用K-means算法对样本数据包进行量化处理得到该数据流的位置分布集,使用压缩感知的稀疏编码技术处理,得到数据的稀疏表示,然后通过随机投影获取数据集的二值哈希编码可以近似地表示稀疏向量的距离,与设定的阈值进行比较,判断该数据是否为入侵数据。根据这些稀疏向量的距离能够快速而准确地检测到入侵的网络数据。实验结果表明,相对于传统检测算法,本文算法具有速度快、实时性好、误报率低等优点,使入侵检测系统的性能得到了很大提高,充分确保了网络的安全性。