摘要：针对采用基于模型的系统工程(MBSE)实现复杂系统研发时,缺少安全性分析与识别的问题,以高校信息管理系统为例,提出一种安全需求建模方法,选择SysML作为建模语言,采用Cameo System Modeler作为建模工具,使用模型驱动的OOSEM方法进行模型搭建,将安全识别整合到MBSE设计中来.首先,完成高校信息管理的环境构建,以教师申请职称评定为例,构建其白盒活动图,完成各部门解耦,提高系统设计效率,降低用户业务处理迭代次数;随后对安全相关概念进行定义,在系统设计早期进行安全需求设计,建立风险和威胁模型,通过攻击案例分析,进行风险处理.将安全问题识别纳入早期设计过程,减少系统设计的风险与成本,为软件开发提供参考.

摘要：为防止脆弱样本降低对抗训练模型的鲁棒性和准确率,提出一种从决策边界角度重新加权训练数据的方法。通过迭代搜索获取决策边界附近的对抗样本,由于熵越小,样本的脆弱性越大,为避免扰动干扰和错误分类,提出使用熵评估样本的脆弱性。根据预测分布的熵,按合适的惩罚因子调整每个对抗训练样本的损失,提升脆弱训练样本的训练强度,提升模型的鲁棒性。实验结果表明,所提算法在保持模型准确率的同时,能够显著提高模型的对抗鲁棒性。

摘要：为了提高瞬变电磁系统回波辨识,设计一种新型的波形相似度算法,对接收到的瞬变电磁系统回波数据进行分析处理。针对因各种干扰因素采样到的回波数据变得难以区分、辨识,传统的回波处理方法效果不理想的情况,从空间向量的角度出发,将采样点作为评价指标,利用熵权法设置指标权重,综合各个评价指标,提出一种新型的波形相似度算法。通过大量数据实验分析,该算法在回波辨识方面取得了不错的效果,对部分厚度的辨识准确度达到了90%,具有较好的实用价值。

摘要：激励信号类型与周期选取是影响瞬变电磁法(TEM)系统检测能力的重要因素。利用时域有限元积分方法对不同激励信号进行仿真,通过发射线圈磁场分布特性与同等深度处磁聚焦效果的对比、分析,确定激励信号类型;根据探测深度与灵敏度依赖于激励信号周期的特性,确定激励信号的最小周期。以此周期为下限,在不同周期下进行仿真,得到接收线圈回波信号变化图与同等深度处的磁通量变化曲线图,对比分析,最终确定周期为500 ms的矩形脉冲作为激励信号较为合适,更有利于磁场能量聚焦与传播的深度。最后对不同厚度的钢板进行仿真,分析回波信号与钢板厚度的关系,为实际瞬变电磁探测系统设计提供理论依据。

摘要：随着经济的发展,船舶作为最经济实惠的运输方式广泛应用。本文将灰色理论自适应模型应用于船舶流量预测,可以有效提高船舶交通服务的智能化及自动化水平。最后通过对比实验说明本文所设计的模型比传统模型精度得到提高。

摘要：由于传统的LDPC码位翻转解码算法在计算复杂度方面无法得到提高等缺点,为降低传统非二进制低密度奇偶校验码解码算法的复杂度和误码率,提出一种改进的基于NB-LDPC解码算法。对现有的并行符号翻转解码算法(parallel symbol flipping decoding algorithm,PSFD)进行优化改进,采用多次投票方法,使每个不满意的校验节点对相应的变量节点进行多次投票,并结合误差估计方法。考虑到额外的复杂性,两级投票是提出优化算法的最佳选择。大量实验结果表明,相比原有的LDPC码位翻转解码算法,该优化算法避免使用码相关的投票阈值,在BER等于10-5时,误码率低约0.4dB,在中低数值的SNR上,具有最优参数的优化算法比原有算法收敛得更快。

摘要：为提高遗传过程挖掘算法对大规模事件日志处理的性能,该文提出一种基于GPU的并行遗传过程挖掘算法.由于传统基于二进制的染色体编码不能表示因果矩阵中的AND-Split/AND-Join和OR-Split/OR-Join结构,提出一种新的染色体编码方案.该方案通过内容、标识、位置3个数组,有效地解决了GPU上因果矩阵的遗传表示问题.同时,设计并实现了高效的遗传交叉/变异算子和适应度并行计算方法.仿真实验表明,与当前CPU上的遗传过程挖掘算法相比,本文算法在求解精度和收敛速度方面都具有明显优势,并且在两个数据集上分别取得36.4倍和47.2倍的执行时间加速比.

摘要：针对连续线性系统的无限时域最优控制的在线实现问题,在系统动态完全未知的条件下设计了一种在线Q学习算法。基于无限时域最优控制理论中的哈密顿函数与最优代价函数,构造了连续线性系统的Q函数。采用积分强化学习方法设计了一个Actor/Critic逼近器结构,在保证闭环渐近稳定性和最优解收敛的同时,在线估计Q函数的参数。考虑涡轮增压发动机的6阶线性系统模型进行了数字仿真,结果表明,Critic权重与Actor权重均渐近收敛于最优值,实现了无模型的最优控制。

摘要：为解决当前图像修复算法存在的块效应以及模糊效应等不足,提出动态调节机制耦合纹理差异的图像修复技术。利用权重配比,构造优先权度量模型,评估待修复区像素点的优先权;利用样本块的梯度特性,构造结构差异度量函数,计算样本块及其邻域块之间的差异;根据度量结果,设计动态调节机制,调整样本块大小;按照调整后样本块的大小,利用像素点的R、G、B颜色值搜索最优匹配块;利用像素点的梯度值,构造纹理差异度量模型,联合最优匹配块,完成图像修复。实验结果表明,与当前图像修复算法相比,所提算法具备更好的图像视觉质量与鲁棒性能。

摘要：为解决云环境中科学工作流调度的代价优化问题,提出一种满足截止时间约束的工作流调度代价最优化遗传算法CODC-GA。设计新的工作流任务调度编码方式和种群初始化策略,为满足种群多样性,定义种群个体的遗传交叉和变异操作,优化遗传搜索方向和空间,利用符合工作流调度目标特征的适应度评估标准对进化个体做最优选择。实验结果表明,该算法在截止时间约束满意度、降低执行时间和执行代价方面均优于其它算法。