一种基于属性抽取与整合的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

一种新的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

事物属性结构与感知记忆集的同态对应

在相关文献的基础上，提出了事物属性结构与其记忆模式间两个对应关系：（１）事物属性元间基于整合的结构关系在感觉记忆集中得到保持，当且仅当，感觉映射是事物属性集与记忆集间的同态映射（２）事物诸属性元间由整合诱导的推理关系在其记忆模式中得到保持，当且仅当，知觉映射是事物属性推理范畴与记忆推理范畴间的函子。     

基于属性分组的条件随机域网络入侵检测模型

将条件随机域(Conditional Random Fields, CRFs)理论引入网络入侵检测研究中,并结合网络连接数据序列的属性特征,提出一种基于属性分组的CRFs网络入侵检测的方法.该方法利用CRFs模型能够标记和切分序列化数据的优点,不但使用网络连接数据序列中的各种连接信息,而且使用数据序列中各属性组间和属性间的关联性信息,进行异常检测.讨论了该模型的工作过程,并且通过KDD cup 1999数据集的检测实验结果,与其他检测方法的结果比较,表明提出的方法能够有效地提高网络入侵检测中的各项统计指标.     

从属性量检测到质特征定性的感觉特征抽取模型

提出了将感觉信息处理建立在属性操作研究上的基本观点,给出了属性量－质转化规律的定性映射模型（QM）,和QM与人工神经元的TLU（Threshold Logic Unit)模型的等价性定理,根据感觉简单细胞和皮层神经元能对其敏感属性 a(x)的量da(x)及相应质特征pd(x),分别作出反应（或检测）和定性抽取的实验事实,提出了一个从量检测到质特一性的感觉特征抽取模型。     

基于集体离群点挖掘的城市交通异常检测研究

针对时空数据环境下的城市交通异常检测问题，文章提出一种基于集体离群点挖掘的“线下拟合-线上检测”一体化检测模型。该模型采用以距离-密度-权重为度量的改进聚类(distance-density-weight k-medoids, DDWK-medoids)算法，根据城市交通态势自适应确定交通枢纽点的数量和位置，通过对数据进行不同分辨率拟合，将交通流量异常检测与交通轨迹异常检测相结合。在该检测模型中，数据的时间属性与空间属性均未以数值的形式直接参与计算，有效降低了运算复杂度。实验结果表明，该模型算法对于不同规模数据集的处理速度均显著优于对比算法，尤其是对于样本充足的大规模数据集，检测的准确率更具有明显优势。     

利用振幅随炮检距变化检测油气藏的有效方法

振幅随炮检距变化（AVO）检测技术是目前寻找油气藏的主要技术。根据Zoeppritz简化方程，确定出AVO属性求取公式，通过实际模型确定出储层在含油气与含盐水情况下的差异，可以通过AVO交会图来模拟由烃类因素引起的异常现象和变化趋势。模拟结果表明，应用λρ属性剖面与μρ属性剖面交会图、P波波阻抗与泊松比属性剖面交会图，能够检测出含油气砂岩所引起的异常变化，根据交会图中的异常范围，可以标定出含气层在钻井地层中的位置。验证结果表明，利用AVO属性剖面的交会图确定气层范围是一种有效的方法，其岩性参数计算是AVO反演技术中的关键。     

感觉抽取的定性映射模型

将其检测属性的定量属性值转化为定性属性值是感觉的一个基本功能，根据属性的哲学定义，本文给出了属性、定量属性值、性质、定性映射和定性一基准等术语的哲学－－数学定义，并指出：感觉抽取可归结为一个定性映射。     

一种基于YOLOv5的小样本目标检测模型

深度学习技术在目标检测领域取得了显著的成果，但是相关模型在样本量不足的条件下难以发挥作用，借助小样本学习技术可以解决这一问题。本文提出一种新的小样本目标检测模型。首先，设计了一种特征学习器，由Swin Transformer模块和PANET模块组成，从查询集中提取包含全局信息的多尺度元特征，以检测新的类对象。其次，设计了一种权重调整模块，将支持集转换为一个具有类属性的权重系数，为检测新的类对象调整元特征分布。最后在ImageNet-LOC、PASCAL VOC和COCO三种数据集上进行实验分析，结果表明本文提出的模型在平均精度、平均召回率指标上相对于现有的先进模型都有了显著的提高。     

分布式智能人侵检测系统模型设计与实现

设计了一种分布式网络智能入侵检测系统模型。在该模型中采用了面向混合类型数据的快速聚类算法和基于属性约束的规则挖掘算法,对每一个IDS初始数据进行智能分类和关联;并且建立了入侵模式库,用于不同网段的实时检测;在数据融合中心采用基于D-S证据理论的数据融合方法处理来自不同IDS的初级报警,并生成高级报警,有效地抑制了海量警报。实验结果表明,该设计方案能够消除重复报警,降低误报率,提高报警所含的信息量,并为管理员提供一个网络安全的整体视图。     

利用残差分析的网络异常流量检测方法

针对网络异常流量检测中大数据小异常造成的难题,提出了一种新的基于残差分析的网络异常流量检测方法。从多个角度提取网络流量的特征属性,以准确刻画正常行为和异常行为之间的差异性。利用提取的特征属性构建属性矩阵,采用流之间的相似性构建邻接矩阵。使用属性矩阵和邻接矩阵构建网络异常检测模型,采用CUR矩阵分解方法重构属性矩阵得到主模式,对属性矩阵和重构的属性矩阵进行残差计算进而获得残差矩阵。对残差矩阵中的每一个流计算其残差,根据每个流的残差和预设阈值进行异常判定。采集了西安交通大学校园网流量数据进行实验,实验结果表明:所提方法在不需要任何先验知识的情况下能够使异常检测率达到90%以上;与其他异常检测方法相比,所提方法不仅具有较高的检测率,而且能够实现异常源定位。     

基于属性降维的钓鱼网站检测方法

随着对钓鱼网站分析刻画的不断完善,使得钓鱼网站检测特征呈现高维化特点。属性维度的增加以及数据量的增长,会造成检测计算复杂度呈几何倍数扩大,导致检测时间复杂度高、占用资源大和检测效率低。针对多属性的钓鱼网站检测,设计了一种基于属性降维的钓鱼网站检测方法。该方法使用信息增益方法对原始数据进行特征选择,筛除可能存在的冗余和噪声数据信息;根据不同属性间的互信息计算属性相关性矩阵,利用属性相关性矩阵作为权值参与加权主成分分析;根据得到的降维后新特征数据通过监督学习算法构建钓鱼网站检测模型。实验表明,该方法可以有效降低原始数据中冗余和噪声属性的干扰,能够有效检测出复杂网络环境中的钓鱼网站,同时具有较高的稳定性。     

思维,智能与属性论方法（续）

介绍了感觉同态，关系生成机制，定性基准变换和属性坐标分析法等基本概念，并讨论了它们在思维与智能研究中的作用，指出，感觉同态可将人类感觉记忆结构问题转化为事物属性集结构问题，基于属性整合的关系生成机制及其生坐档表示法，能为多元事物或系统的生成提供数学描述手段；定性基准变换是感知识别产生某些不确定性效应的基本根源，因知觉模式的生成等价于其识别基准的建立，固定性基准的建立及其变化过程，以及由此诱导的某些     

分布式入侵检测系统的研究

入侵检测技术是一种新的安全保障技术，它用于对计算机和网络资源上的恶意使用行为进行识别和响应．文章在深入研究分析公共入侵检测框架理论和现有入侵检测系统实现策略的基础上，提出一种基于部件的入侵检测系统，具有良好的分布性能和可扩展性．     

高级持续性威胁中攻击特征的分析与检测

针对高级持续性威胁的检测问题, 提出一种基于网络连接特征属性的检测方法. 通过数据采集、 特征提取、 异常检测和实时报警4个步骤, 选取网络连接的12种特征属性, 应用机器学习方法分析属性特征数据集, 建立高级持续性威胁攻击检测模型. 实验结果表明, 该方法对于高级持续性威胁攻击检测性能良好, 检测率较高, 误报率较低.     

非高斯分布噪声下诱发电位潜伏期变化自适应检测

传统的高斯分布白噪声的模型不能很好地描述EP信号中脑电图（EEG）和其他噪声的特性，因此，根据α稳定分布噪声理论和EP信号中噪声的非高斯特性，提出了一种基于最小分数低阶矩自适应诱发电位潜伏期估计方法，这种方法既可以应用于高斯噪声环境，又在低阶α稳定分布噪声（一类典型的非高斯噪声）环境下具有良好的韧性，是一种可靠的检测EP信号潜伏期变化的方法，分析和实验表明，α稳定分布噪声模型是一种适合于描述带噪EP信号统计特性的随机噪声模型，所得到的EP信号潜伏期变化的检测结果，与神经系统的真实状态及其变化一致。     

基于谱分解技术的分频AVO反演

基于Chapman岩石物理模型,对第三类AVO类型进行频率依赖性分析。并将频谱分解技术与AVO技术结合起来,将反射系数替代为不同频率的振幅谱,将振幅谱视为频率的函数,对SmithGidlow近似式进行扩展,给出一种新的描述地震波频散程度的属性的计算公式与方法。并用模型和实际地震资料频散属性的计算。研究结果表明:频散模型和弹性模型的频散属性有明显差异,频散属性可以作为一种含气储层的指示剂。     

日志分析及其在入侵检测系统中的应用

指出了日志分析是入侵检测系统中的一项重要内容，在分析现有的基于日志分析的入侵检测方法的基础上，提出了一种新的基于日志分析的入侵检测模型。该模型综合采用了基于入侵知识和入侵行为的分析，因而具有此两种检测方法的优点，实践证明这是一种有效的方案。     

感知和判断中的基准变换及其性质坐标分析法

感知识别和概念判断分别是直感（形象）思维和逻辑（抽象）思维的基础，其基准可随外部条件和思维者认知结构而变的现象，是识别、判断和推理等产生各种不确定性和矛盾性的根源，感知与判断的描述，需要一种既能容纳对象属性和人类基准的表示系统，又能刻划它们之间的关系及其变化规律的分析方法．根据神经生理实验和心理学理论，将感觉和知觉分别定义为神经元（或集团）对事物简单属性和整合（整体和综合）属性的识别映射；给出了思维科学的两个基本命题：（１）事物性质元间基于整合的生成结构能在感知记忆集中得到保持的充要条件是感知觉是一个同态映射；（２）事物性质无间的推理关系能在感知记忆范畴中得到保持的充要条件是感知觉是一个范畴函子．事物性质元间的生成与推理结构有一个同构的表示模型──性质单纯形Ｋ的重心剖分复形Ｋ￣（ｍ）（Ｘ），简称性质坐标系，框架和网络可作为子复形嵌入其中，对象属性和心理基准，以及它们之间关系的变化规律可在性质坐标系Ｋ￣（ｍ）（ｘ）中得到表示，人类感知识别、概念判断以及基干它们的推理和决策等都可在其中得以统一刻划．     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。