基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。     

基于多致伤部件的乘员损伤严重程度分析与预测

为确定碰撞事故中致伤部件对乘员损伤严重程度的影响,从陕西长安大学机动车物证司法鉴定中心数据库中筛选400例致伤事故的数据进行分析。建立二元逻辑回归模型,对事故过程中乘员损伤部位、直接致伤部件和间接致伤部件等因素进行分析,结果表明:乘员损伤身体区域、损伤部位的前后位置等对乘员损伤严重程度有显著影响;其中直接致伤部件中BD区域(车顶部)的比值比(OR值)达到1.549,间接致伤部件中环境部件的比值比达到1.489,对损伤严重程度影响最为显著。最后,通过AdaBoost-SVM模型对乘员损伤严重程度进行预测,预测结果准确率可达到80.36%。     

地铁列车客室乘员咳嗽飞沫传播规律研究

呼吸道传染性疾病的频发引起了公众对公共交通工具内部环境卫生安全的极大关注。地铁客室由于密闭性较高且乘员密度较大,携带病原体的飞沫在客室内气流的作用下可能迅速扩散与传播,因而客室乘员存在感染的风险。合理设计客室内气流组织,降低呼吸道传染疾病交叉感染风险是亟待解决的关键问题。基于欧拉-拉格朗日方法,使用具有完整风道和高度还原的地铁客室模型,构建通过试验验证的地铁客室内飞沫传播仿真方法。探索典型地铁列车客室复杂流场中呼吸道飞沫的传播规律,研究了在不同位置乘客咳嗽释放的飞沫扩散规律与时空分布特性。研究结果表明,列车客室气流组织对小粒径飞沫的运动起主导作用,不同位置释放的飞沫在传播范围与扩散速度方面呈现较大差异。在客室端部释放的飞沫,主要在释放源附近循环运动,88.56%的飞沫长时间悬浮和循环,使该区域乘客有较长的暴露时间和较大的感染风险;客室中部释放的飞沫扩散范围较广,16 s纵向输运距离可达7 m;客室顶部空调机组集中回风口附近形成较强的向上气流,使该区域94.1%的咳嗽飞沫在4.5 s被吸入回风口,有通过空调机组混合腔弥散至客室的可能。本研究结果为优化地铁列车送风系统结构、设计客室气流组织...