一种基于深度学习的快速DGA域名分类算法

提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。     

基于改进Transformer和强化学习的僵尸网络DGA域名检测

针对现有僵尸网络检测方法检测精度不高和检测时间开销较大的问题,提出一种基于改进Transformer和强化学习的僵尸网络域名生成算法(Domain Generation Algorithm,DGA)的域名检测方法。首先,利用深度可分离卷积替换ResNet和ResNeXt网络中的卷积块,通过减少网络模型参数来降低模型的时间开销;其次,利用改进后的ResNet和ResNeXt网络将域名字符串映射到深度特征空间,构造多尺度特征,强化特征的表达能力;再次,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)对Transformer网络进行改进,在保持字符间相对位置的同时,进一步建立上下文的长距离依赖编码,并在此基础上引入注意力机制,强化模型对关键特征的捕获能力;最后,引入强化学习对模型进行微调,提高DGA域名的检测精度。在多个DGA域名数据集上进行测试验证,结果表明该模型在保持检测时间开销较小的基础上,具有更高的检测精度。     

基于果蝇优化算法改进的粒子滤波及其在目标跟踪中的应用

针对粒子滤波算法重采样导致的样本贫化问题,提出一种基于果蝇优化思想的粒子滤波算法.该方法视粒子权值为个体适应度值,并将果蝇不断从低浓度的地方飞向高浓度的地方的觅食寻优过程引入到粒子滤波当中,驱使粒子不断向高似然区域移动,提高了粒子群的整体质量.为了解决标准果蝇优化算法易陷入早熟的问题,将遗传算法中的交叉、变异操作自适应地应用到果蝇优化算法寻优过程当中.首先通过交叉操作改善粒子分布,当果蝇优化算法陷入局部最优时,再采用柯西变异扰动,促使算法快速跳出局部极值并继续搜索全局极值.通过非线性模型仿真以及目标跟踪实验表明该算法有效提高了非线性系统状态估计精度,具有较好的稳定性,同时降低了状态估计所需的粒子数量.     

非线性规划最优潮流的可变容差法

针对非线性规划最优潮流的通用数学模型，提出了基于可变容差法模型的求解方法，该方法利用可变容差法的数值搜索优化机制，能较好地获得最优解．实例计算表明，与现有模型求解方法相比，可变容差法具有较好的寻优效果，可以作为非线性规划最优潮流的一种补充方法。     

基于混合生成网络的软件系统异常状态评估

针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题,提出一种基于混合生成网络的软件系统异常状态评估方法.首先,通过对长短期记忆网络（long short-term memory network, LSTM）与变分自动编码器（variational auto-encoder, VAE）的融合,设计一种LSTM-VAE混合生成网络,并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型,由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后,由LSTM-VAE异常状态检测模型处理系统关键特征参数,获取系统关键特征参数的异常度量值.最后,利用耦合度方法对传统的线性加权和方法进行优化,通过加权耦合度优化方法计算得到软件系统异常状态的量化值,从而实现对软件系统的异常状态评估.实验结果表明,本文模型对软件系统的异常时序数据具有较好的检测能力,其对系统异常状态的评估结果更为合理、有效.     

水下目标工频磁场扰动信号检测方法研究

为了解决水下目标磁场近程化探测中磁信号衰减快、干扰强及扰动特征不明确、无法有效探测信号等问题,提出了一种基于混合神经网络与注意力机制(Att-CNN-GRU)的工频磁场水下目标时间序列扰动信号检测方法。将CNN,GRU神经网络与Attention机制相结合拟合信号,构建分类神经网络,对目标信号进行分类识别,同时与未引入注意力机制的CNN-LSTM模型及单一CNN和LSTM网络模型的预测及检测性能进行比较。结果表明,相较于传统方法,信号拟合效果将误差分别减小了36.24%,14.44%和4.878%,目标检测准确率达到83.3%。因此,加入Attention机制的CNN-GRU模型检测性能比CNN,LSTM和CNN-GRU模型更优异,作为辅助手段,能有效解决工频磁场探测中扰动信号微弱、扰动规律不明确、背景噪声多等问题,实现对水下目标造成的工频磁场扰动信号的拟合与检测。     

宽带光谱成像系统最优训练样本选择方法研究

为解决现有标准色卡或颜色样本集因数量大、存在严重颜色冗余而导致的光谱成像工作繁重的问题,提出一种基于宽带光谱成像系统光谱重建误差最小化的最优训练样本选择方法.通过现有颜色样本集中最有效样本的选择,实现宽带光谱成像系统训练样本的优化.研究通过伪逆方法进行光谱重建,以光谱均方根误差作为评价依据,从颜色样本集中逐步挑选训练样本,实现每次迭代所确定训练样本对样本集重建光谱误差的最小化.实验结果表明,在选择相同数量训练样本条件下,本研究方法所构建训练样本的光谱和色度精度明显优于现有方法.      

散焦含噪图像的点扩散函数估计与亚像素边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘过渡区模型,从一幅图像所含多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,可实现最小二乘意义下PSF及亚像素级边缘位置的最佳估计。实验结果表明, 由于算法获得图像所对应PSF的最佳估计,边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%。     

复杂环境中一种基于深度学习的异常检测方法

为了解决复杂环境中异常检测的问题,提出一种基于深度学习的检测方法。首先,通过引入(you only look once,YOLO)检测,将卷积神经网络回归法提取的物体时空特征,输入到长短期记忆模型(LSTM),追踪复杂环境中个体的运动轨迹。然后,评估相邻个体间运动轨迹的依赖性。最后,采用编码-解码框架训练LSTM模型,预测物体未来的运动轨迹;根据物体未来运动轨迹的异常概率,最终完成异常检测。实验结果表明,解决了复杂环境中运动物体间的相互干扰问题;在时间和空间鲁棒性评估上,优于其他轨迹追踪的方法,从而证明了本方法的有效性和可行性。     

基于Gabor小波支持向量机的人脸检测

提出了一种基于Gabor小波的支持向量机人脸检测方法.该方法首先提取人脸和非人脸样本库的Gabor小波特征,构造学习样本集,再训练支持向量机,计算出最优分类决策函数.对比实验结果表明,本文提出的方法简单、计算复杂度低、效率高、对正面垂直人脸的检测和定位准确度高.     

一种基于高斯模型的人脸检测方法

提出了一种在复杂的灰度图像上使用高斯模型检测人脸的方法．该方法首先使用自组织映射网络为每个训练样本确立类别标签,然后用改进的Ksher线性判别模型对所有样本进行投影以尽可能拉大各类之间的距离,最后使用高斯分布对每类样本进行建模．高斯分布的参数使用极大似然估计法求得．实验显示,该方法的检测正确率令人满意。     

Building Bayesian Network(BN)-Based System Reliability Model by Dual Genetic Algorithm(DGA)

A system reliability model based on Bayesian network(BN)is built via an evolutionary strategy called dual genetic algorithm(DGA).BN is a probabilistic approach to analyze relationships between stochastic events.In contrast with traditional methods where BN model is built by professionals,DGA is proposed for the automatic analysis of historical data and construction of BN for the estimation of system reliability.The whole solution space of BN structures is searched by DGA and a more accurate BN model is obtained.Efficacy of the proposed method is shown by some literature examples.     

建筑物指数与对抗网络结合的检测样本增广

在基于深度学习的遥感图像大范围目标检测中,部分地物获取难度较大,训练结果不佳。因此,本文利用形态学建筑物指数与生成式对抗网络进行样本增广,减少因检测样本不足导致的模型过拟合问题。通过提取纹理结构信息相关的形态学建筑物指数,将其与原始样本进行叠加,对建筑物的纹理与空间特征进行强化。同时利用已有样本训练生成式对抗网络以增广部分目标类别,并将其与形态学建筑物指数增强后的样本进行合成,以扩充原始样本集。相比于翻转,裁剪,色调变化的增广策略,使用该方法的检测精度在Yolov5,EfficientDet等模型上的检测精度均有2%-5%的提升。通过实验证明,利用建筑物指数与生成式对抗网络相结合的样本增广方法对于诸如发电站等特殊感兴趣类别的小样本遥感图像目标检测精度具有明显提升效果。     

Improved Cross Entropy Algorithm for Steelmaking Continuous Casting Production Scheduling with Minimum Power Consumption

A matrix encoding scheme for the steelmaking continuous casting( SCC) production scheduling( SCCPS) problem and the corresponding decoding method are proposed. Based on it,a cross entropy( CE) method is adopted and an improved cross entropy( ICE) algorithm is proposed to solve the SCCPS problem to minimize total power consumption. To describe the distribution of the solution space of the CE method,a probability model is built and used to generate individuals by sampling and a probability updating mechanism is introduced to trace the promising samples. For the ICE algorithm,some samples are generated by the heuristic rules for the shortest makespan due to the relation between the makespan and the total power consumption,which can reduce the search space greatly. The optimal sample in each iteration is retained through a retention mechanism to ensure that the historical optimal sample is not lost so as to improve the efficiency and global convergence. A local search procedure is carried out on a part of better samples so as to improve the local exploitation capability of the ICE algorithm and get a better result. The parameter setting is investigated by the Taguchi method of design-of-experiment. A number of simulation experiments are implemented to validate the effectiveness of the ICE algorithm in solving the SCCPS problem and also the superiority of the ICE algorithm is verified through the comparison with the standard cross entropy( SCE) algorithm.     

自适应蚁群算法在CDMA多用户检测中的应用

提出一种基于自适应蚁群算法（adaptive ant colony algorithm）的CDMA多用户检测（MUD）方法．该方法利用匹配滤波器的输出作为初始值，采用自适应选择和动态调节的进化策略，以及搜索过程中最优解的筛选方法来解决多用户检测问题．仿真结果表明，该方法能快速找到全局最优解，并且能得到很好的误码率性能．     

基于多目标粒子群算法的矩形微通道结构优化

为提升矩形微通道的综合性能,通过多目标粒子群算法对矩形微通道进行数值优化,由响应曲面法拟合热阻函数,再以热阻与压降为目标函数,建立以矩形微通道结构参数为变量的多 目标粒子群算法的数学模型.由多 目标粒子群算法计算得到热阻与压降的pareto优化解集,用K-mean聚类法对优化解集进行聚类得到4个代表解,与未优化解进行对...     

基于燃烧炯效率的电厂配煤模型

通过实验研究,综合考虑混煤指标计算、燃烧特征指数和燃烧火甩效率,提出了基于燃烧火用效率的电厂配煤模型,对配煤模型进行了求解,并以某2028t／h锅炉为对象,对三种单煤掺混进行了实例计算,结果表明,掺配比例2：1：9为最优解。     

基于半监督优化分类的入侵检测方法研究

为解决入侵检测训练集（通常包含大量无标记样本和少量已标记样本）,在传统半监督支持向量机(S3VM)上确定最优分类决策面,提出一种优化的多分类决策S3VM方法（MLL_S3VM）。该方法结合启发式搜索和聚类方法筛选出差异性较大的分类决策面,采用距离向量法对未标记样本进行标记。实验结果表明,在入侵检测中,该算法明显提高了模型预测精确度。     

高光谱图像技术检测梨表面农药残留试验研究

以滴有不同浓度毒死蜱和炔螨特农药的水晶皇冠梨为研究对象,探讨高光谱图像技术结合人工神经网络方法检测水果表面农药残留量的可行性.分别配制不同浓度分布的毒死蜱水溶液和炔螨特水溶液样本各20个,按100μL和150μL取农药溶液滴在梨表面,在835.467 8～1 648.356 8 nm范围采集高光谱图像,提取感兴趣区域数据得到4组样本数据,每组20个,每组随机抽取5个样本作为预测集,利用BP人工神经网络对每组数据分别建立数学模型.滴有150μL和100μL农药溶液区域的建模结果为:两种农药的残留样本相关系数分别都大于0.99和0.95;RMSEC和RMSEP的最大值分别为0.634 9,1.323 9和1.742 5,3.441 7.结果表明:150μL农药样本区优于100μL农药样本区的建模结果,高光谱图像技术结合人工神经网络法检测梨表面农药残留量是可行的,为水果表面农药残留量检测提供了新方法.     

氧瓶燃烧-ICP-AES法测定石油化工产品中的硫

根据不同样品选择了适当的燃烧载体,以自制的滤纸柱作为燃烧载体处理柴油样品,克服了样品燃烧速度过快、反应不完全,造成的试验失败问题;以滤纸片作为燃烧载体处理瞬干胶样品,可以有效地降低本底值.选择了仪器最佳工作条件,测定中选择了紫外区的谱线（S 182.034 nm）作分析线,有效避免了基体中的金属元素的干扰.进行11次空白试验,算得方法的检出限为0.019 mg/L;选取3份柴油样品按所提出方法各进行5次分析,算得方法的RSD值均小于2.0%,测定结果与燃灯法一致;选取5份瞬干胶样品按所提出方法各进行5次分析,算得方法的RSD值均小于2.2%,进行了回收试验,方法的回收率为98.1%-103.0%.本法精密度较好,准确可靠,可推广用于其他化工产品中硫的含量测定.