摘要：为解决利用传统方法进行网络流量异常入侵检测时存在检测正确率较低的问题,提出基于数据挖掘的网络流量异常入侵检测方法。根据网络攻击行为对网络异常流量特征属性进行提取,利用数据挖掘的关联分析找出异常流量特征之间的相关性,并将网络异常流量特征进行联合计算熵值处理,实现异常网络流量入侵检测。实验结果表明,设计的网络流量异常入侵检测方法在不同入侵行为类型上的检测正确率均在96.00%以上,证明该方法可以准确地检测出网络中潜在的入侵行为,具有较好的实用性。

摘要：流量异常直接影响软件定义网络(SDN)的正常工作,为了解决当前SDN流量异常检测过程中存在的一些不足,以提升SDN流量异常检测精度,设计了基于深度学习的SDN流量异常检测系统。采用经验模态分解方法对SDN流量异常数据进行预处理,采用最小二乘支持向量机建立SDN流量异常检测模型,利用萤火虫算法实现最小二乘支持向量机参数优化选择,以获得更优的SDN流量异常检测结果。实验结果表明,本文系统的SDN流量异常值与实际值非常接近,大幅度减少了SDN流量异常检测误差,具有较高的实际应用价值。

摘要：针对当前图书馆网络入侵检测准确率,误报率高的问题,以获得更理想的图书馆网络入侵检测结果,设计了基于均衡化样本类别的图书馆网络入侵自动检测方法。首先捕获图书馆网络数据包,提取数据包中的图书馆网络入侵检测特征,然后通过均衡化样本类别算法合成入侵检测样本集合,并通过统计模型和邻居节点的实际活动参数实现入侵检测,最后进行了图书馆网络入侵检测仿真实验,结果表明,提高了图书馆网络入侵检测正确率,降低了图书馆网络入侵检测误报率,图书馆网络入侵检测效率高,具有较高的实际应用价值。

摘要：针对对虾前处理的定向环节依赖人工操作、未实现自动化作业的问题,以南美白对虾为研究对象,提出了一种分流式腹背定向方法。该定向方法基于对虾腹背轮廓曲线斜率差异的特征判断腹背朝向,然后通过分选的方式实现腹部朝前和背部朝前两类对虾的分流,达到腹背定向的目的。理论分析表明,采用双行光电检测的方法可以判断对虾的腹背朝向,通过控制对虾的输送间隙可以分选对虾,最终实现对虾的腹背分流定向。根据腹背定向方法,设计了对虾腹背定向系统,完成了系统的硬件搭建与软件开发。系统硬件主要由光电对射传感器、输入输出模块、计算机和分流机构组成。试验结果表明,针对大型规格和中型规格对虾,定向系统的平均检测正确率分别为96.9%和98.8%,定向系统的平均定向成功率分别为95.4%和97.5%。

摘要：入侵检测是保护网络系统安全工作的关键技术,当前网络入侵检测存在误检率大、漏检率高,检测实时性差等不足。为了改善网络入侵检测效果,设计了粒子群算法和支持向量机的网络入侵检测方法。首先对当前国内外网络入侵检测研究进展进行描述,指出各种网络入侵检测方法的缺陷,然后收集网络入侵检测样本,提取网络入侵检测特征,并将样本输入到支持向量机进行训练,训练过程中采用粒子群算法对参数进行在线优化,建立网络入侵检测模型,最后采用网络入侵检测的标准数据集进行仿真测试。测试结果表明这个方法对网络入侵检测正确率超过90%,远远高于网络系统工作的入侵检测要求,同时减少了网络入侵检测的误检率大、漏检率,综合性能明显优于对比网络入侵检测方法,可以应用于网络安全管理中。

摘要：针对当前电气化铁路接触网状态检测效果差.检测过程十分耗时等不足,以获得更优的电气化铁路接触网检测结果,提出了基于人工智能技术的检测方法。首先分析当前国内外对电气化铁路接触网检测研究的进展,然后引入机器学习算法中的RBF神经网络建立电气化铁路接触网状态检测模型,并引入人工智能技术中的自适应遗传算法对电气化铁路接触网状态检测模型进行优化,最后与其他电气化铁路接触网状态检测模型进行了对比测试,得出人工智能技术的电气化铁路接触网状态检测正确率大约为95%,而其他模型的电气化铁路接触网状态检测正确率没有超过90%,且人工智能技术的电气化铁路接触网状态检测耗时更少,对比结果验证了所提电气化铁路接触网状态检测方法的优越性。