摘要：异常流量检测现有方法大都是基于有监督的学习,在现实生活中获取并标记异常流量数据样本是极为困难的,存在诸多限制.此外,由于网络异常数据的多样性和复杂性,各种检测方法的自适应性较差,对新出现的异常流量难以判断.针对上述问题,本文设计了一个基于生成对抗网络和记忆增强模块的半监督异常流量检测框架MeAEG-Net(Memory Augment Based on Generative Adversarial Network),通过只训练正常流量样本数据,比较生成器模块输入流量底层特征的重构误差来达到检测异常的目的 .在模型中使用生成对抗网络来更好地训练生成器,生成器采用自编码器加解码器的结构来解决自编码器易受噪声影响的问题,并在自编码器子网络中添加记忆增强模块来削弱生成器模块的泛化能力,增大异常流量的重构误差.实验证明,本文提出的方法能在只学习正常流量数据样本的前提下达到很好的异常流量检测效果.

摘要：针对基因表达式程序设计(GEP)是基于基因型和表现型的新型遗传算法,它综合了遗传算法(GA)和遗传程序设计(GP)的优点,但在解决具体问题时有收敛速度较慢、易陷入局部最优和拟合度不高等缺陷,提出一种自适应基因表达式程序设计算法(AGEP),它将差分突变搜索、混沌重组和变异操作、灾变算子运用于GEP中;最后将其应用于实例中,并将其所得结果与传统的基因表达式程序设计结果进行比较。研究结果表明:该算法不仅提高了算法的精度和收敛速度,而且有效地克服了不成熟收敛,理论证明该算法全局收敛;改进的基因表达式程序设计性能良好。

摘要：针对并网逆变器模型非线性和电网扰动的问题,提出一种基于布谷鸟搜索算法优化反推控制技术光伏并网逆变器控制策略。首先,建立考虑参数变化和电网扰动的并网逆变器数学模型,设计并网逆变器反推控制。然后,利用布谷鸟搜索算法对不确定性部分进行在线辨识和补偿,消除模型非线性和外部扰动产生的不确定性部分的影响。利用Lyapunov稳定性理论设计控制器自适应律,证明了布谷鸟搜索算法优化反推控制器的稳定性。实验结果表明该方法能实现逆变器精确并网控制,具有较好的动静态性能和较强的鲁棒性。

摘要：针对太阳电池输出最大功率受到光照强度和温度等因素影响的问题,提出一种基于神经网络反推控制技术的最大功率点跟踪方法。首先利用神经网络求取最优直流母线参考电压,设计反推控制实现光伏发电系统最大功率点跟踪和单位功率因数并网。然后,利用神经网络对光伏发电系统的不确定性部分进行补偿,消除非线性模型的不确定性部分的影响。最后,利用Liyapulov稳定性理论证明了神经网络反推控制器的稳定性。实验结果表明该方法能同时实现光伏发电系统的最大功率点跟踪和单位功率因数并网,具有良好的抗干扰能力。

摘要：常规反推控制存在控制子系统转换复杂和控制噪声的问题,而且在系统存在外部扰动和参数摄动的情形下,需要详细的控制系统信息和增加额外的补偿控制。针对这个问题,提出一种基于粒子群优化自适应反推控制的光伏并网逆变器控制方法。首先基于瞬时功率和空间矢量理论,建立包含电网和并网逆变器参数摄动和外部扰动的动态数学模型。然后,设计粒子群优化算法直接逼近反推控制的控制量,省掉子系统转换和非线性补偿环节,简化了控制系统结构。最后,根据李雅普诺夫(Liyapunov)稳定性分析,求解自适应律,并在线调整粒子群优化算法进化参数。实验结果证明该方法的有效性和鲁棒性。

摘要：采用认知无线电技术,设计了一种空闲频谱资源选择排序方法。在进行频谱选择时,提出了一种无偏好信息的主客观权重融合方法,提高权重设置的合理性,并将求解权重转换为一个最优化问题,通过免疫优化算法进行求解。实验结果表明,该算法可以有效选择满足物联网节点传输需求的频谱,并具有较高的网络吞吐量。

摘要：基于特征抽取是表情识别算法中的重要步骤,但是现有算法依赖手工设计特征且适应性差等问题,提出基于深度时空域卷积神经网络的表情识别模型,采用数据驱动策略直接从表情视频中自动抽取时空域中的动静态特征。使用新颖的卷积滤波器响应积替代权重和,使得模型能同时抽取到动态特征和静态特征。引入深度学习的多层设计,使得模型能逐层学习到更抽象、更宏观的特征。采用端对端的有监督学习策略,使得所有参数在同一目标函数下优化。研究结果表明:训练后的卷积核类似于Garbor滤波器的形态,这与视觉皮层细胞对激励的响应相似;该模型能对表情视频进行更准确分类;通过与其他几种近年出现的算法进行比较,验证该算法的优越性。

摘要：图像拼接可将多张有重叠区域的小图镶嵌成一幅大图,在三维重建、增强现实以及相机应用等多领域有着广泛的应用,受到科研人员和工程机构的一致关注;但当图像缺乏纹理,或者重叠区域较少的时候,现有算法难以得到稳定的拼接效果.针对上述问题,提出了一种快速拼接算法,主要包括2个创新点.第一点,设计了基于金字塔模型的相位相关配准算法,能够处理低重叠率和缺乏纹理的场景,对光照变化不敏感.第二点,设计了新的全局优化模型,能够进一步优化结果,剔除不可靠的参数估计等问题.实验部分证明了本算法精度高、速度快,能够较好的解决低重叠率和弱纹理等问题.

摘要：为了对任意长的明/密文进行并行加密/解密,在分析了AES(Advanced Encryption Standard)的多种模式后,采用了最合适的CTR(Counter)模式设计和实现了GPU(Graphics Processing Unit)并行AES算法,并进行了优化.针对Nvidia Geforce GTX460平台理论分析了CTR模式的并行AES算法和串行AES算法的时间复杂度,得到综合的加速比为31.59,然后在Nvidia Geforce GTX 460平台上实验运行,结果显示CTR模式的AES-256的GPU并行算法相对串行CTR模式的AES算法,实验加速比跟理论加速比基本吻合.在此基础上,对CTR模式的AES-256进行了优化.实验结果显示,优化的CTR模式的AES-256并行算法在加速比上随着明文的增大提升的比例渐渐减少并趋于稳定.优化的CTR模式的AES算法加密数据量小的明文时,其优化效果更为明显,故能有效地提升SSL(Secure Socket Layer,其明文区间为35KB-150KB)的加密性能.

摘要：针对传统车载通信网络在网络架构方面的缺陷,设计了基于WiFi/WiMAX的新型异构网络融合架构。为了实现异构网络中的无缝漫游,提出了基于WiFi/WiMAX有预测RSS的模糊逻辑垂直切换算法。该算法首先使用神经网络中的BP算法预测RSS,得到RSS的未来值;然后使用带宽、速度和预测的RSS作为模糊推理系统的输入,构建模糊规则集;最后经模糊推理系统实现垂直切换决策。该方法考虑有预测RSS的多属性模糊逻辑方法,降低了丢包率和切换时延,提高了信道利用率。仿真结果验证了提出方法的有效性。