一种基于背包问题的可纠错数字签名方案

基于超递增向量背包问题的可解性,提出一种可纠错数字签名方案。该方案能纠正在网络传输中出错的消息,证明了该方案的安全性。并比较了其与几个纠错数字签名方案的效率,结果证明,该方案具有较好的性能。     

矢量阵相干宽带MVDR聚焦波束形成

研究了两种矢量阵相干宽带MVDR聚焦波束形成方法:CSS-MVDR聚焦算法和STMV聚焦算法。两种方法将相干宽带MVDR高分辨方位估计方法及矢量阵信号处理技术与聚焦波束形成相融合,较常规聚焦波束形成具有更高的分辨力和更低的旁瓣级,能解决左右舷模糊问题并提高处理增益,可有效提高辐射噪声源近场定位识别效果。两种方法均可直接处理相干宽带信号,对于实际水声信号具有更高的适用性,具有较高的工程应用价值。通过仿真研究验证了相干宽带聚焦算法具有优越的空间分辨能力。     

基于SVM的CVE漏洞分类框架构造

针对CVE字典缺少分类和归纳能力,无法为多重系统漏洞设计有效防御策略的局限,提出了CVE分类器的CVE漏洞分类框架.该CVE分类器根据不同的分类特征对CVE进行分类,在支持向量机的帮助下,CVE分类器自动地从相关的漏洞数据库（包括BID,X-Force和Secunia）中抽取训练数据,并基于该训练数据为分类特征建立学习模型.     

基于矢量频率锁定环的高动态GPS信号跟踪

研究了高动态环境下矢量跟踪算法在GPS接收机中的应用,提出了一种适合高动态环境的矢量频率跟踪算法。当接收机存在高动态时,与由其引起的多普勒频率的变化率相比,由卫星运动引起的多普勒频率的变化率非常小,多普勒频率的变化主要由接收机的动态引起。对各个通道来说接收机的速度与加速度等状态信息是共同的,因此利用矢量跟踪的方法从各个通道的量测数据中直接估计接收机的速度、加速度等状态,可以有比通常的标量跟踪更低的跟踪门限,而在相同的载噪比下,可以有比通常的标量跟踪更好的估计精度。给出了一种适合高动态环境的矢量频率锁定环(VFLL)的结构,详细分析了导航滤波器的系统转移方程与量测方程,讨论了导航滤波器的实现。利用非线性估计的方法代替鉴频器提取频率误差,提高矢量跟踪的性能。由于矢量跟踪的性能是与想定相关的,在典型的高动态情景下,根据具体的想定,利用仿真的方法分析了矢量频率锁定环的跟踪性能。仿真结果表明矢量跟踪在高动态环境下可以有比标量跟踪更好的优势,能很好地跟踪GPS接收机的高动态信号。     

拼焊板母材性能参数与其板厚匹配关系研究

基于拼焊板平面应力状态本构关系方程及其综合强度比研究,从理论上分析了综合强度比随母材性能参数与其板厚匹配关系的变化规律。在验证拼焊板胀形有限元仿真模型可靠的基础上,对拼焊板极限胀形高度随母材性能参数与其板厚匹配关系的变化规律进行了仿真,并对不同匹配关系下拼焊板变形非均匀性情况进行了分析。研究结果发现：母材初始板厚与其性能参数的合理匹配能降低拼焊板综合强度比,减小其成形过程中的变形不均匀性,进而提高其冲压成形性能,为合理的拼焊板零件设计提供了一定的理论依据,为提高拼焊板制件的质量提供了有利的条件。     

最小二乘支持向量机应用于西安霸河口水质预测

利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。     

碳排放、能源消费与经济增长的实证研究

从经济增长与资源环境的关系入手,构建经济增长、能源消费和碳排放的向量自回归模型（VAR）,运用脉冲响应函数研究三个变量之间的相互关系,并分别建立能源消费和二氧化碳排放为自变量的协整方程,结果表明: 经济增长与能源消费和碳排放具有长期的协整关系,经济增长每提高1%,能源消费增长增加0.240%,同时导致二氧化碳排放增加0.295%。这说明我国的高速经济增长过程中,付出了较大的资源环境自然代价。     

基于向量空间模型的Web服务描述相似度计算的研究与实现

服务描述是服务发现的基础．现有的服务发现多从关键词入手进行匹配,本文给出了一种通过服务描述进行相似度计算的方法,采用了The Porter Stemming Algorithm对服务描述进行预处理,引进向量空间模型的方法对描述进行度量,对比实验证明,该方法能充分利用服务描述的特点来计算服务之间的匹配度,是有效的和可行的．     

基于PSO-SVM的光伏阵列故障检测与分类

光伏阵列故障的精确检测是提高光伏电站运行可靠性和安全性的重要因素之一。本文提出了粒子群优化支持向量机(Particle Swarm Optimization-Support Vector Machine, PSO-SVM)的光伏阵列故障检测与分类的方法。分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式。选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度。结合实验平台,获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型。实验表明应用本文模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP (Back Propagation)神经网络以及决策树的检测和分类结果。     

基于火焰图像特征与BT-SVM的窑况识别方法

针对氧化铝回转窑烧成带工况变化复杂难以实现连续在线检测,长期依赖人工看火操作的难题,提出了利用计算机图像处理技术模拟传统的人工看火过程进行窑况识别研究的方法,方法包括两个部分:提取烧成带火焰图像特征,融合关键工艺过程数据组成混合特征;建立具有准正态二叉树结构的支持向量机窑况识别模型对混合特征数据进行分类识别.最后,应用该方法对采集得到的火焰图像数据与过程数据进行仿真实验研究,获得了满意的效果.