基于轻小型无人机雷达的植被高度反演方法

针对目前主流雷达传感器难以满足轻小型无人机载荷需要,且存在着数据获取成本高及算法模型复杂的问题,在自行研制的一种高度集成、轻量化且具有高可靠性的轻小型无人机雷达系统基础上,发展了一种植被高度信息反演新方法。该方法中使用二维滤波抑制直耦波能量,基于剩余图像熵的自适应主元分析去噪方法解决传统方法主元选择不稳定的问题,并基于互相关信息的后向投影算法进一步增强目标信号,最后应用Sobel算子提取植被高度。实验结果表明,该方法反演得到的植被高度和验证数据的相关性达到0.92,均方根误差可达1.28 m。     

考虑专家信息的威布尔型产品定时截尾可靠性验收试验方案设计

可靠性验收试验是检验产品是否达到可靠性要求而进行的试验。试验方案的确定需要保证使用方风险和生产方风险可控。当前GJB899A中定时截尾试验方案往往需要较长的试验时间,短时试验方案又存在两类风险较大的问题,实际应用颇受诟病。根本原因在于GJB899A的试验方案确定只考虑了系统试验数据,而忽视了其多源信息。因此,本文针对复杂系统验收试验前存在多种形式专家信息,考虑系统寿命服从威布尔分布的情况,结合专家信息来计算产品在给定试验方案下的两类风险,进一步推导得到试验时间较短、风险可控的试验方案。文章最后给出了案例分析,通过对比,验证了所提方法的有效性。     

蒙特卡罗方法的尺寸效应

通过Monte Carlo方法对硬胶球系统的排空作用进行了研究。在模拟研究中,通过对不同尺寸单元内胶体的排空力的研究揭示尺寸效应的存在。研究结果显示当模拟单元的尺寸较小时。同一浓度胶体的排空力与尺寸较大的系统会有明显的变化．而当模拟盒子的尺寸较大时,同一浓度胶体的排空力基本不变化。     

通信计费数据采集与传输模式的研究

计费数据采集与传输为计费系统采集必要的计费数据,并把数据准确地传送到目的地。计费数据采集与传输是计费系统的前提和基础,其性能直接影响着计费系统的好坏。错综复杂的网络和通信,对计费数据采集与传输的要求也越来越高：计费数据采集与传输要可靠、实时,要有友好的用户界面。针对以上要求,对它们的框架、模型及计费数据的采集方式、使用的协议等进行了研究和探讨。     

西部大开发与产业结构调整

西部地区产业结构调整要坚持市场导向,坚持可持续发展,充分利用国际国内两种资源、两个市场,发展劳动密集型产业和第三产业。     

巡线机器人在人造环境中的博弈行为研究

在人造环境中,利用博弈论中的Nash均衡和Nash讨价还价模型,研究两个利益冲突的巡线机器人群体通过不同策略获得收益的行为。     

关于高速公路桥梁伸缩缝装置的选型

着重阐述了模数式桥梁伸缩缝装置的优点,以及具有代表性的毛勒桥梁伸缩缝装置在高速公路中的应用.     

HLA中数据分发管理的研究

在基于HLA(High Level Architecture)/RTI(Run Time Infrastructure)的分布式交互仿真中,DDM(Data Distribution Management)之所以关键就是能在联邦间建立有效的信息交互和传送机制以满足系统可扩缩性的要求.在已有的一些区域重叠算法应用中,其性能依路径空间中区域的不同分布有着很大的波动.所以,我们需要一种初始的估计机制来计算路径空间中的区域的不同分布,从而以此为根据来选取最适合区域具体分布的DDM算法.     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

Efficient Feature Extraction Using Apache Spark for Network Behavior Anomaly Detection

Extracting and analyzing network traffic feature is fundamental in the design and implementation of network behavior anomaly detection methods. The traditional network traffic feature method focuses on the statistical features of traffic volume. However, this approach is not sufficient to reflect the communication pattern features. A different approach is required to detect anomalous behaviors that do not exhibit traffic volume changes,such as low-intensity anomalous behaviors caused by Denial of Service/Distributed Denial of Service(Do S/DDo S)attacks, Internet worms and scanning, and Bot Nets. We propose an efficient traffic feature extraction architecture based on our proposed approach, which combines the benefit of traffic volume features and network communication pattern features. This method can detect low-intensity anomalous network behaviors and conventional traffic volume anomalies. We implemented our approach on Spark Streaming and validated our feature set using labelled real-world dataset collected from the Sichuan University campus network. Our results demonstrate that the traffic feature extraction approach is efficient in detecting both traffic variations and communication structure changes.Based on our evaluation of the MIT-DRAPA dataset, the same detection approach utilizes traffic volume features with detection precision of 82.3% and communication pattern features with detection precision of 89.9%. Our proposed feature set improves precision by 94%.