基于变长系统调用序列模式的入侵检测方法研究

提出了一种变长序列模式的寻找算法,从训练序列中找出一组基本相对独立的变长序列模式,并在模式集的更新过程中自动定义了模式间的前后次序关系,以此构建了一个描述进程执行模式的DFA。针对已有基于变长序列模式的模式匹配算法需要向前预测若干个系统调用号的缺点,设计了一个更好的模式匹配算法。实验结果表明,算法在模式寻找过程中是稳定的,并在保持小规模模式集的情况下,取得了很低的误报率和漏报率。     

基于视频信息的港口滞留船舶检测研究

本文研究基于视频信息的港口滞留船舶检测方法,通过港口滞留船舶的精准检测提升港口管理水平。利用多结构形态学滤波方法,滤波处理港口视频图像。选取局部自适应阈值分割方法,将滤波处理后的港口视频图像,划分为前景图像与背景图像。将港口视频的前景图像作为SSD算法的输入,SSD算法利用卷积层提取图像特征,生成默认框,利用固定匹配策略,匹配真实框与默认框,将匹配结果传送至预测网络,利用预测网络输出港口滞留船舶检测结果。实验结果表明,该方法有效检测港口视频信息中的滞留船舶,阴天、黑夜等复杂环境下仍然可以精准检测船舶目标。     

最大频繁模式的挖掘算法

挖掘最大频繁模式是多种数据挖掘应用中的关键问题。采用Apriori类的候选生成-检验方法或基于FPTree的挖掘方法需要产生大量候选或动态创建大量条件模式树,代价太高。因此,提出一种挖掘最大频繁模式的新算法。该算法利用前缀树压缩存放数据,并通过调整前缀树中节点信息和节点链直接在前缀树上采用深度优先的策略进行挖掘,既不需要生成候选也不需要创建条件模式树,提高了挖掘效率。     

基于多目标优化的蛋白质三维结构预测

蛋白质的功能主要由三维结构来决定,但通过实验的方式获取三维结构需要耗费大量人力物力.从头预测法即从氨基酸序列出发,通过模拟蛋白质折叠的过程,并用能量函数对中间构象进行评价,不断优化新构象的全局最小自由能,来期望计算生成足够相似于天然蛋白的结构.文中基于多目标智能优化的TRIOFOLD方法,基于ROSETTA、CHARMM、RWPLUS 3个能量函数,并利用多目标优化的方法来生成非支配集合,最后利用KNEE算法筛选得到最终结构.实验表明多目标TRIOFOLD算法能提供多样化的通过不同能量函数的均衡来评定最优解的三维结构,验证了基于多目标智能优化进行复杂蛋白结构预测优化的可行性.     

基于L-M、贝叶斯算法研究溶解氧与其影响因素关系

利用BP网络分别结合L-M、贝叶斯算法研究溶解氧与BOD5、PH值、流量、水温关系,表明利用贝叶斯算法优化的网络更适合于预测。     

舰用柴油机冷却水系统贝叶斯状态推理方法

针对不确定动态环境下舰用柴油机冷却水系统的状态预测及故障推理问题,研究基于贝叶斯网络模型的冷却水系统状态推理方法。根据某型冷却水系统的逻辑功能关系,分析系统的工作状态及典型故障模式,分别建立静态和动态贝叶斯网络推理模型。采用联结树精确推理算法对冷却水系统的运行状态进行正向和反向推理。结果表明,贝叶斯状态推理方法在不确定环境下传感器数据缺失时相对常规的故障树推理方法更具优势,动态贝叶斯网络比静态贝叶斯网络具有更好的推理精度。     

基于半监督模糊聚类的入侵检测技术

针对当前入侵检测技术检测率较低、误报率较高,特别是难以检测新型入侵的不足,通过研究基于机器学习的异常入侵检测系统,提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi-supervised Fuzzy Clustering Algorithm).算法通过加入数据之间的相关信息,同时引入代价函数来平滑目标函数,降低其对孤立点数据的敏感程度.通过利用少量的标记样本,生成用于初始化算法的种子聚类,然后辅助聚类过程.实验表明,与FCM(Fuzzy C-means)聚类算法相比,SFCA算法具有较高的性能.     

基于船期表的一种集装箱码头闸口交通需求智能预判方法

通过集装箱码头闸口交通需求源于船期表具有季节性和非线性特点的系统分析，提出基于每条班线船期表来预测其对码头闸口产生交通需求的思想，采用季节性时间序列方法处理集港车辆到达码头闸口随时间的数量分布，建立处理后的时间序列数据与预测交通量之间非线性关系的人工神经网络模型。在天津港集装箱码头闸口进行具体例子应用，证明了该方法优于传统非线性预测方法、概率分布拟合方法和季节性线性时间序列预测方法，显示其可行性。     

人的失误模型在船舶溢油事故应急中的应用分析

船舶交通事故问题的预测一直是业内研究人员十分重视的研究课题。分别采用回归预测法、时间序列预测法、灰色理论预测法和贝叶斯统计预测法等不同方法,结合国内某港引航站近十多年来船舶引航总量和事故的实际情况,进行了比较分析和对未来情况予以预测。着重就贝叶斯方法在港口船舶引航风险预测中的运用进行了探讨。结论证明贝叶斯估计方法得到的结果具有良好的预测效果。     

基于加权朴素贝叶斯的船舶轨迹分类算法

为实现船舶自动识别系统(Automatic Identification System,AIS)轨迹数据快速分类,提出一种基于加权朴素贝叶斯的船舶轨迹分类算法。通过船舶AIS数据预处理和轨迹特征分析,设计加权的朴素贝叶斯分类器,利用AIS数据进行训练;采用有监督的分类方法提高分类效率,提出基于特征连续值的加权方法,构建船舶AIS分类加权最优特征集合,提高轨迹分类的准确率和速度。以长江中游武汉河段为例,进行试验验证。结果表明:AIS动态信息是重要的轨迹特征,提出的朴素贝叶斯船舶轨迹分类算法准确率达99.05%,相比未加权和其他常用分类算法表现更优;研究成果可应用于船舶异常轨迹识别和船舶航行风险分析等领域中。     

基于决策SVM的入侵检测技术研究

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,支持向量机是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势．针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题,提出基于支持向量机的决策树训练算法,构建了基于支持向量机决策树的入侵检测系统模型．利用KDDCup99数据集,将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验．通过实验和比较表明,该方法的训练效率大大提高,并且具有较高的检测率．     

船舶结构腐蚀检测与腐蚀模型不确定性及其更新

针对经典的概率论不能有效地处理无损检测中检测概率的参数不确定性问题,提出了定量分析检测概率参数不确定性问题的贝叶斯方法,并以威布尔分布形式的检测概率为例,推导了量化参数不确定性的放大系数的计算公式.针对传统的数据分析法及专家判断法不能分析模型不确定性更新问题,本文基于无损检测信息,采用贝叶斯更新方法量化了检测概率分布函数的统计模型不确定性,得到了检测概率统计模型权重的后验概率及相应的分布参数的后验概率密度函数.最后提出了分析船体结构腐蚀多层次模型不确定性问题的全概率模型法,并用算例证明了文中所提方法的有效性.     

Epistemic-based investigation of the probability of hazard scenarios using Bayesian network for the lifting operation of floating objects

Owing to the increase in unprecedented accidents with new root causes in almost all operational areas, the importance of risk management has dramatically risen. Risk assessment, one of the most significant aspects of risk management, has a substantial impact on the system-safety level of organizations, industries, and operations. If the causes of all kinds of failure and the interactions between them are considered, effective risk assessment can be highly accurate. A combination of traditional risk assessment approaches and modern scientific probability methods can help in realizing better quantitative risk assessment methods. Most researchers face the problem of minimal field data with respect to the probability and frequency of each failure. Because of this limitation in the availability of epistemic knowledge, it is important to conduct epistemic estimations by applying the Bayesian theory for identifying plausible outcomes. In this paper, we propose an algorithm and demonstrate its application in a case study for a light-weight lifting operation in the Persian Gulf of Iran. First, we identify potential accident scenarios and present them in an event tree format. Next, excluding human error, we use the event tree to roughly estimate the prior probability of other hazard-promoting factors using a minimal amount of field data. We then use the Success Likelihood Index Method (SLIM) to calculate the probability of human error. On the basis of the proposed event tree, we use the Bayesian network of the provided scenarios to compensate for the lack of data. Finally, we determine the resulting probability of each event based on its evidence in the epistemic estimation format by building on two Bayesian network types: the probability of hazard promotion factors and the Bayesian theory. The study results indicate that despite the lack of available information on the operation of floating objects, a satisfactory result can be achieved using epistemic data.     

运用贝叶斯网络对浮台吊装进行基于知识的危险场景概率分析（英文）

Owing to the increase in unprecedented accidents with new root causes in almost all operational areas, the importance of risk management has dramatically risen. Risk assessment, one of the most significant aspects of risk management, has a substantial impact on the system-safety level of organizations, industries, and operations. If the causes of all kinds of failure and the interactions between them are considered, effective risk assessment can be highly accurate. A combination of traditional risk assessment approaches and modern scientific probability methods can help in realizing better quantitative risk assessment methods. Most researchers face the problem of minimal field data with respect to the probability and frequency of each failure. Because of this limitation in the availability of epistemic knowledge, it is important to conduct epistemic estimations by applying the Bayesian theory for identifying plausible outcomes. In this paper, we propose an algorithm and demonstrate its application in a case study for a light-weight lifting operation in the Persian Gulf of Iran. First, we identify potential accident scenarios and present them in an event tree format. Next, excluding human error, we use the event tree to roughly estimate the prior probability of other hazard-promoting factors using a minimal amount of field data. We then use the Success Likelihood Index Method(SLIM) to calculate the probability of human error. On the basis of the proposed event tree, we use the Bayesian network of the provided scenarios to compensate for the lack of data. Finally, we determine the resulting probability of each event based on its evidence in the epistemic estimation format by building on two Bayesian network types: the probability of hazard promotion factors and the Bayesian theory. The study results indicate that despite the lack of available information on the operation of floating objects, a satisfactory result can be achieved using epistemic data.     

基于TAPI3的CTI通信软件设计

TAPI是Microsoft推出的一种标准的Windows应用程序接口(API),以TAPI接口为核心,系统地分析TA-PI3的原理、组成及接口技术,并针对实际工程需要设计出一个完整的基于TAPI3的计算机电话集成系统的解决方案,同时给出软件编程思路与系统实现方法.     

基于故障树的系统目标打击决策模型研究

在战略战术上的重要性使系统目标成为导弹打击目标类中优先决策的对象。为了较好地解决对系统目标的最优打击问题,采用故障树分析的方法,通过故障树的建立、底事件概率计算模型、打击决策模型以及序贯毁伤模型,获取了导弹对系统目标的打击决策模型,对打击决策的准确判断具有较好的借鉴意义。     

基于故障树贝叶斯网络的装备故障诊断方法研究

针对复杂系统故障诊断的难点,通过某装备信息机的实例给出了一种基于故障树贝叶斯网络的故障诊断方法。该方法通过结构转变、证据传播,采用局部计算进行故障概率推理,不仅使FBN故障概率推理简洁易行,而且使FBN故障概率推理的复杂性大大降低。     

故障树分析法在变、配电系统火灾危险评价中的应用

基于故障树分析法,对变、配电系统的火灾危险性进行了定性和定量分析,查明了导致火灾发生的原因并建立了该系统火灾发生的概率模型,为变、配电系统的维护和火灾的预防性检测提供了依据。     

基于数据挖掘技术的IDS

论述主要的入侵检测技术，针对目前入侵检测系统中存在的问题，提出一个基于数据挖掘技术的自适应入侵检测系统模型，详细阐述了其体系结构及主要功能，着重分析了该系统的数据挖掘过程。     

雷达跟踪目标的残差检测自适应多模型算法

提出了一种基于残差的自适应多模型算法，通过残差的大小来分配多模型中单个模型在整体估计中的权重。本算法无须机动检测，从理论上避免了延迟。通过Monte Carlo仿真表明本算法的有效性。