基于数据挖掘的人侵检测技术研究

介绍了入侵检测的一些基本概念,以及如何将数据挖掘应用于入侵检测;并给出了数据挖掘技术的定义、入侵检测模型、基于数据挖掘的入侵检测框架;提出了用户行为模式的异常检测、更新自动机算法及合适状态的评价算法.     

基于格的两轮多重签名方案

为了抵抗量子攻击且进一步降低通信代价,基于代数格提出了一种支持公钥聚合的两轮多重签名方案(TLMS方案),其安全性可归约于求解环上小整数解(Ring-SIS)问题,并在随机预言机模型下给出方案的安全性分析.相比于现有多重签名方案,基于格上困难问题构造的TLMS方案生成多重签名时仅需进行2轮交互,具有较小的计算开销和通信开销,可满足量子时代最新的安全需求.     

基于DEA-Tobit模型的长江经济带体育产业效率研究

为了探究长江经济带体育产业效率的现状及存在的问题,选取2013-2017年长江经济带11个省市的面板数据,利用CCR、BCC和Malmquist模型对长江经济带11个省市体育产业综合效率和全要素生产率进行评价,并构建Tobit模型对体育产业综合效率的影响因素进行分析.研究结果表明:长江经济带体育产业综合效率整体处于较高水平;投入冗余率高于产出不足率,且投入冗余现象较产出不足现象严重;规模效率无效出现率高于纯技术效率;4个时期内,长江经济带全要素生产率从下降状态转变为提升状态,并且保持较好的增长态势;Tobit回归结果可以看出,政府干预对体育产业综合效率具有负向影响作用,政策效应对体育产业综合效率具有正向促进作用.并提出了要加强跨区域合作、发挥"体育+"的溢出效应、释放多种动力的叠加效应,进而促进体育产业效率向更高水平发展等建议.     

基于SV-Copula的欧盟碳配额现货和期货价格相依性研究

碳配额现货和期货价格的相依性对投资者进行套期保值和投机套利均具有重要意义.本文采用SV (stochastic volatility)模型研究了欧盟碳配额现货和期货价格的波动特征,继而用Copula函数分析了两者之间的相依结构,结果发现:EU ETS (European Union Emissions Trading Scheme)第二阶段和第三阶段的碳现货与碳期货价格都存在显著的波动持续性和杠杆效应,且第三阶段碳现货和碳期货价格的波动风险均大于第二阶段;碳现货和碳期货价格之间存在高度相依性,且第三阶段碳现期货价格尾部相依性更强;两阶段中两者的尾部相依性呈现为对称且厚尾.     

用遗传算法求解有理函数模型

传统的有理函数模型(RFM,Rational Function Model)参数的求解方法通常采用最小二乘法,在模型求解过程中,由于法方程病态,使求解结果很不稳定.针对这一问题,提出用具有搜索优秀结果能力的遗传算法求解有理函数模型的思想.实验结果表明,遗传算法可以有效地解决RFM求解过程中遇到的病态问题,并可求得所需的有理函数模型的精确解.     

基于神经网络的非线性动力系统控制研究

基于改进BP神经网络,建立了一种自适应在线控制模型,并且该控制方法应用到离散非线性动力系统和倒立摆系统控制问题。为了避免BP神经网络在训练过程中的目标函数局部极小值问题,提出了一种基于BFGS优化算法的神经网络训练方法。与其它控制方法相对比,所提出的基于神经网络的倒立摆控制方法具有较高的控制精度。通过离散时间系统的控制模拟和倒立摆模型系统的控制两个算例,验证了所提出的控制方法的具有有效性和很好的控制效率。     

语音相位听觉特性在正弦模型语音编码中的运用

通过分析语音相位的听觉特性,把这种听觉特性运用到基于正弦模型语音编码合成元音的相位处理中,只通过幅频信息和少量的原始相位信息来合成重建语音信号,仿真实验结果表明这种方法能改善合成信号中帧与帧之间的不连续性,使帧与帧之间能平滑过渡,能增加语音自然度,提高语音的合成质量。     

注水地层的变形对套管损坏的影响

油田在注水驱油过程中,高压注水改变了原有的地层压力的平衡,导致地层（或储层）应力场的改变和重新分布。本文首先建立了高压注水时地层渗流的流固耦合模型,然后针对某一特定注水地层进行变形分析。计算的结果表明,在高压注水时,地层在水平方向产生挤压变形,在竖向方向出现明显的张拉,整个地层会发生向上隆起的变形。而地层的这种变形恰恰是导致置于其中的油水井套管出现剪切和拉伸损坏的直接原因。     

Fea2Lab:基于多标记学习的特征到标签生成模型

传统多标记学习方法通常只考虑和示例相关联的单个特征向量以及无差别地预测全体标签,从而忽视了与示例相似的其他示例及隐含的标签属性,造成输入空间特征信息较少、标签属性被忽略和对大标记空间预测效果差等问题.为解决以上问题,文章转化传统多标记学习任务为多标记学习的序列到序列任务,并由此提出新的多标记学习标签生成神经网络模型(Fea2Lab模型):通过交错的顺序排列示例和相似示例形成链式特征向量序列,来增加输入空间特征信息;通过挖掘标签属性来有差别地预测标签;通过在解码流程中使用全局标签信息,来缓解预测过程中出现的错误标签级联问题.在多个数据集上的实验结果和消融实验表明转化任务和Fea2Lab模型的合理性、可行性及有效性.     

基于神经网络正向模型和蚁群算法的涡流检测自然裂纹形状重构

以神经网络作为正向模型,蚁群优化算法作为反演方法,对采集的疲劳裂纹涡流检测(eddy current testing,ECT)信号进行了反演,重构了裂纹形状.研究了算法中参数的不同选择对反演结果的影响.裂纹形状重构结果表明了神经网络正向模型的有效性和蚁群反演算法的可行性.