基于并行积累排序算法和主动学习的DDoS攻击检测

为了在高速网络环境下对大容量网络流量进行准确和快速的分类,以检测分布式拒绝服务(Distributed De-nial of Service,DDoS)攻击,本文提出一种基于并行积累排序算法和主动学习的DDoS攻击检测算法.该技术采用并行积累排序算法对流量特征进行积累排序来选择最佳特征子集,通过专家模块以无监督的方式选...     

考虑氯离子侵蚀时变劣化效应的近海斜拉桥地震易损性分析

为研究氯离子侵蚀对近海大型桥梁地震易损性的时变影响规律,以某近海斜拉桥为对象,建立非线性数值模型并开展增量动力分析,获得主塔等构件及桥梁系统的时变易损性曲线.结果表明,材料腐蚀会导致构件及结构的损伤概率出现不同程度的增加.桥梁结构第1阶自振周期对应的谱加速度Sa(T1)为0.3g时,主塔严重损伤的概率在0、25、50、...     

具有给定共轭类长的有限非可解群

设G是有限非可解群且Z(G)=1.如果G的非中心共轭类长为pq,p r2,qr2,那么G同构于5次交错群A5;如果G的非中心共轭类长为15,5p,15p,5p2,3p3,那么G同构于5次对称群S5.     

基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks, QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。     

4p2阶广义四元数群的连通3度Cayley图

对于有限群G,通过下列方式构造群G的Cayley图:■文章对4p²阶广义四元数群的三元生成子集给出分类,通过查圈的方法得出两种同构类Cayley图是非正规的,其余皆是正规的结论。     

基于优化概率神经网络法船舶柴油机燃油系统故障检测

针对船舶柴油机结构异常复杂、故障特征信息输入输出不明显,难以诊断故障的问题,提出一种基于优化概率神经网络的检测方法,该方法采用遗传算法结合概率神经网络模型将误差数值作为优化目标,将目标函数视为最小值问题映射为适应度函数,经遗传算法操作以减小误差并消除概率神经网络模型自身影响使得故障特征最大化,结合其模型强大的非线性分类能力可提高辨别柴油机复杂多变的故障类型及其相似的特征。通过建立基于优化概率神经网络故障检测模型,选取燃油供给系统故障数据作为检测样本,经仿真验证,得到优化后概率神经网络故障检测正确率较高的结果,验证了该方法有一定的研究效果。     

多险种风险模型的破产概率

由于保险公司风险经营规模不断扩大,用单一险种的风险模型来描述风险过程存在局限性,文章建立了保费收入为复合泊松过程的风险模型;讨论了带干扰的多险种风险模型;得出伦德伯格不等式和最终破产概率公式。     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

齿轮图的星边染色

图的星边染色是一个正常边染色且满足任意2种颜色导出的连通子图为长度不超过3的路.利用反证法和组合分析法讨论了齿轮图的星边染色,通过构造具体染色得到了齿轮图的具体星边色数.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.