基于Markov链模型的Android平台恶意APP检测研究

目前Android手机上恶意APP安全检测方法大致分为两种,静态检测和动态检测.静态检测利用逆向分解手机安装文件,对APP安装文件进行分解,提取其代码特征和正常应用样本数据库中样本进行对比,判定APP是否存在恶意行为.动态监测基于对系统信息和应用行为的监控结果来判断APP是否为恶意应用.静态方法由于样本库规模的的限制很难检测病毒变种和新型病毒,动态检测需要事实监控系统行为,占用大量手机资源并且检测识别率不高.本文以Markov链模型为基础结合了动态监控应用行为和用户行为的方法得出的Android平台恶意APP检测方法.最后结合静态检测对apk文件进行分析,以增加动态监控方法的准确性.     

基于振动响应的导管架平台极限承载能力分析

为评估到达一定服役期限的导管架平台结构安全性能,提出基于振动响应的平台时变极限承载能力分析方法。以东海某气田导管架平台为对象开展振动监测研究,采集不同海况下平台上部组块的加速度响应,通过随机减量法对平台振动响应数据进行特征函数提取,分别采用时序分析法和复指数法对预处理数据进行动力学参数识别。借助有限元分析建立不同损伤状态下平台固有频率数据库,通过与模态参数识别数据对比识别出平台结构健康状态。应用时域分析法进行平台非线性动力学分析,并结合极限承载能力评估准则建立动力极限承载能力分析方法。结果表明,基于振动监测分析结果的平台修正模型能较准确地反映在役平台结构健康状态,可实现平台的结构抗力的精确评估,得到不同服役期导管架平台结构时变抗力变化规律。     

大跨度斜拉桥模态参数识别时频方法对比研究

利用苏通大桥结构健康监测系统(SHMS)记录的台风期间大桥加速度响应,分别基于希尔伯特-黄变换(HHT)和小波变换(WT)方法对该桥进行了模态参数识别,并将2种识别结果进行对比.在此基础上,进一步研究了模态阻尼比与桥址区实测平均风速的关系.结果表明:基于HHT和WT方法识别出的模态频率值基本一致;模态阻尼比差距较大,基于HHT方法识别的阻尼比均值略大于基于WT方法的识别结果;基于HHT和WT方法识别的模态阻尼比随风速的变化趋势类似.     

城市交通需求管理政策风险分析及保障措施

城市交通需求管理政策的实施直接影响城市居民的出行方式选择和出行意愿,关系人民群众切身利益,涉及面极广.为了从源头上避免和减少潜在的社会矛盾,减少和控制社会风险,及时预警可能威胁社会稳定的风险因素,对城市交通需求管理政策进行科学严谨的分析,能够防患于未然,实现政策的平稳推进和实施,把潜在风险的可能性降到最低.     

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。     

复合家庭类型细分方案——以河北省为例

基于河北省全员人口数据库,综合考虑了家庭所含代数,第一代家庭成员中的夫妻对数,是否存在隔代现象,夫妻是否残缺、是否流出等因素,提出了复合家庭类型的4类细分方案,将复合家庭分为40种Ⅳ级类型.基于关系数据模型,构建了复合家庭识别模型.研究表明:河北省复合家庭占全部家庭的比重为2.44%,复合家庭平均户规模为7.38人/户.滹滏平原是河北省复合家庭占比高值区.复合家庭类型细分方案为开展复合家庭分类的理论研究和管理实践提供了统一的分类方案,复合家庭识别模型为揭示复合家庭分布规律和行为特征提供了基于人口大数据的分析模型.     

基于专家信任度的弹道导弹目标识别方法

为了改进弹道导弹目标识别过程中多传感器系统传输数据容易产生冲突,以及现有D-S改进算法对冲突证据与不冲突证据难以统一融合的问题,提出了基于专家信任度的弹道导弹目标识别算法,并给出了基于专家信任度的弹道导弹目标识别系统模型和专家知识库模型。新算法将收集到的证据分为冲突证据和不冲突证据,冲突证据集采用专家评判系统进行评判,不冲突证据采用传统D-S理论进行融合,然后将两者得到的结果进行再融合,得到决策结果。实例分析表明,与现有方法相比,新方法不仅能够在证据一致性很好时具有很高的精度,而且当证据高度冲突时也具有很好的融合效果。     

基于Grassmann流形距离的动作识别

利用时空兴趣点间的位置及局部特征相似度信息,提出一种局部邻域特征以描述局部数据结构,然后引入核主角度及Grassmann流形距离以度量2个邻域特征距离,通过构造随机流形森林学习数据样本在Grassman流形上的类条件概率密度函数,最后使用多核学习算法实现对随机流形树的剪辑及动作分类.在KTH及UCF-CIL动作数据库的实验证明:所提动作表示方法能有效描述人体运动信息,且该动作识别算法的识别率优于近年提出的典型动作识别系统.     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

基于 RIE 的自适应窄带干扰抑制算法

针对直接序列扩频(direct sequence spread spectrum,DSSS)通信系统中窄带干扰(narrow-band interference,NBI)抑制问题,将窄带干扰存在性识别技术(recognition of interference existence,RIE)和变换域窄带干扰抑制算法相结合,提出了一种自适应窄带干扰抑制算法.该算法能根据接收到的信号,利用基于能限因子的RIE算法判断接收信号中是否含有窄带干扰信号,从而决定是否需要对其进行干扰抑制处理.理论分析表明,当接收信号中不合窄带干扰或干扰信号较小时,既可减少由于窄带干扰抑制算法对有用信号造成的损伤,提高误码率性能,又能降低系统处理的复杂度.仿真结果表明,自适应窄带干扰抑制方案抑制干扰误码率性能明显优于非自适应窄带干扰抑制方案.