高速网络下的字符串匹配技术

随着互联网的迅速普及和网络通信流量的高速增长,在网络安全这个大环境里面,字符串匹配已经成为入侵检测系统和协议分析系统的瓶颈。本文深入研究BF算法和Bloom filter算法,并且以这两种算法为基础,设计出可执行的Verilo硬件代码,分析两者的优劣。     

基于自适应门限局部改进及求根MUSIC算法

使用合适的门限才能正确地提取出小特征值，如果能适应较大范围的信噪比和快拍数就需要有一定自适应能力的门限．通常，信噪比对门限的影响比快拍数对门限的影响要大得多，经过反复计算和仿真得到一个门限公式：（15（SNR）0．8＊（snap）0．2），其中SNR为信噪比，snap为快拍数．多次仿真表明，该门限公式具有较好的自适应能力，即能很好地适应各种信噪比与快拍数的变化，能较准确地估计出信源个数．     

基于蜂群的改进混合算法求解旅行商问题

旅行商作为组合优化问题,在求解中存在收敛慢、易于陷入局部最优问题,模拟蜜蜂觅食行为并利用蜂群算法求旅行商问题的最优解,觅食过程中根据收益比因子动态转变角色,加速算法收敛。结合改进2-opt算法,有效改善蜂群算法在全局搜索中局部搜索能力较弱的缺陷,降低问题规模。对不同基准问题的测试结果进行了对比分析,分析结果表明:改进混合算法比标准蜂群算法能在短时间内求得最优解。     

基于粒子群算法的微电网动态经济调度

微电网的动态经济调度不仅要考虑一个调度周期内经济费用最低,还需考虑多时段设备运行之间的协调配合,使其更加符合系统的实际运行要求.建立了含有风力发电机、光伏阵列、柴油机及燃料电池等多种分布式电源且能够实现热电联产的微电网系统,研究了当微电网系统处于并网运行状态时,以微电网的运行费用和污染物处理费用的综合效益最大(总费用最低)作为目标函数,并计及可再生能源波动、负荷预测误差以及机组故障停运等不确定性因素影响的动态经济调度模型,模型采用改进的粒子群算法进行求解.通过算例讨论了微电网并网运行情况下不同的控制策略、优化目标及可靠性指标对动态经济调度的影响,为结合可再生能源的微电网动态经济调度以及提升微电网并网运行的可靠性研究提供了一种参考.     

基于PSO-RBF的边坡安全系数预测

传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.     

Banach空间中拟严格渐近伪压缩映射族的强收敛定理

在自反的具有K-K性质的严格凸的光滑Banach空间中,构造了一种新的无限族拟严格渐近伪压缩映射之公共不动点的杂交投影算法,在去掉集合C有界性的条件下,证明了公共不动点之强收敛定理成立。所得结果是近期相关结果之改进与推广。     

基于Prim算法的度约束最小生成树问题研究

针对一类度约束最小生成树问题,基于传统最小生成树问题的Prim算法,设计了一种求解算法.该算法在保证网络中指定节点的度不变的前提下,构造了网络关于指定节点的最大度最小生成树.与经典的Gloveklingman算法进行了仿真比较,结果表明,该算法是求解度约束最小生成树问题的一种有效算法.     

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

基于聚类和协同标注的TSVM算法

针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.     

基于小波变换的智能天线波达方向估计研究

对比两种经典的智能天线波达方向(Direction of Arrival,DOA)估计算法——延迟-相加算法、多重信号分类(Multiple SignalClassification,MUSIC)算法,提出了一种基于小波变换的智能天线波达方向估计算法(Smart Antennas Direction of Arrival Eseimation Based on Wavelet Transformer,SADOAWT),该算法利用小波变换,将来波信号变换在多尺度频域,针对不同频域采用不同算法以实现分辨率、计算复杂度的高度兼顾.计算机仿真结果表明,新算法复杂度较低,克服了延迟-相加算法分辨率低、副瓣较多的缺点,避免了MUSIC算法遇到相关信号分辨率降低的问题.