摘要：复杂环境中的列控系统容易遭到各类网络流量攻击,现有的攻击流量检测方法往往特征选择差、稳定性较弱,导致检测精度较低。为此,提出一种通道增强卷积神经网络与分割残差优化的攻击流量检测方法。首先通过降噪式自动编码器对正常流量进行建模,同时使用无监督训练将原始特征空间转换为重构特征空间;然后利用通道增强使相关误差向量转化为分类器的多通道输入变量;最后为增加神经网络的特征表示多样性,设计一种多路径的分割残差网络来优化CB-CNN,通过学习不同维度级别的流量特征来优化分类。实验结果表明:所提方法具有较好的训练性能,NSL-KDD数据集与真实铁路安全网络中获得的平均精确率分别为94.573%与96.78%。在误报率较低的同时均具有较好的分类可视化效果。综合对比其他检测方法,提出方法检测实时性较好,能够适用于复杂场景的列控系统网络攻击检测,在噪声存在时具有较好的鲁棒性。

摘要：现有高性能自恢复水印算法多是针对自然图像设计,水印容量较大且不利于文字等信息的恢复.为解决这一问题,在兼顾水印嵌入容量和篡改凭证图像恢复质量的基础上,提出了一种适用于电子凭证图像真实性认证的自恢复水印算法.该算法首先根据电子凭证图像特性,将图像块划分为重要块、非重要块和空白块3类,并对其进行分类编码;其次,为保证类型码的正确性,将所有图像块类型码置乱,采用RS编码后生成部分恢复水印信息,将其平均嵌入在所有图像块中;再次,对重要块采用二值化方法生成恢复水印信息,并依次嵌入在非重要块或空白块的最低有效位;最后,通过7张具体电子凭证图像,对比给出了本文算法与现有同类变容量文献算法的性能.研究结果表明,本文算法采用分类编码并仅对重要块生成恢复水印信息,在不降低算法篡改检测和篡改恢复性能的条件下,使水印嵌入容量从对比文献的1.73和2.99降低至0.64,含水印凭证图像的峰值信噪比分别高出对比文献8 d B和23 d B.

摘要：研究了高峰时段列车运行的衔接协调对换乘站候车客流量的优化问题.首先分析了换乘站各站台候车客流的组成因素,确定出各运行方向的换乘站台内客流量随时间变化的规律.然后,以时段内换乘站候车客流量的最大值最小为目标,建立优化模型.模型以站台最大可容纳候车人数为约束条件,以各方向列车在换乘站的到达时刻为调整对象,实现了高峰时段换乘站内聚集客流的优化.最后,针对验证案例,设计了遗传算法进行求解,得出了协调较优解,并给出与较劣解的对比分析.结果表明,该优化方法能够有效降低换乘站内的候车客流人数,可为网络化的优化协调工作提供参考.

摘要：提出一种对雷达辐射源信号进行符号化分析的雷达辐射源信号脉内特征提取方法,该方法能够从信号中快速有效地提取定量信息。将符号化过程中反映信号自相关特性的采样时延和反映信号调制规律特性的香农熵作为脉内特征。通过对7种雷达辐射源信号仿真实验和数据分析表明:提取的样本特征在低信噪比(0~5 dB)情况下具有很好的抗噪性和可聚类性,同时算法计算简单快捷,能够简化分类器的设计,故有利于工程应用。

摘要：为了设计非对称信道下的低密度奇偶校验(low-density parity-check, LDPC)码并分析其性能,本文提出了可实现的基于偏移最小和译码的非对称离散密度进化方法.首先采用组合数学、差分方法和二项式定理等工具推导了低复杂度的非对称信道离散密度进化的迭代公式;应用该迭代公式,进一步对采用偏移最小和译码的LDPC码编码进行优化设计,得到了在非对称信道下不同量化范围和步长的LDPC码的最佳度分布及其性能;最后获得了在高精度量化下的最佳偏移值.结果表明在非对称信道下,改进的基于偏移最小和译码的非对称密度进化方法复杂度比原方法呈指数级降低;当码率固定,规则码变量节点度越小其性能越好,最佳偏移值越小.对非规则LDPC码,使用差分进化算法找到了最佳度分布与偏移值.码率固定时,最大变量节点度越大,非规则码性能越好.

摘要：下一代互联网NGI(Next Generation Internet)既需要为单个业务连接提供细粒度的服务质量QoS(Quality of Service),又需要为一类业务流提供粗粒度的QoS。针对这种多粒度的QoS保障需求,在分析单物理层用户数据传输与交换平台体系结构SUPA(Single physical layer User-data transfer&switching Platform Architecture)原有QoS保障机制的基础上,提出在SUPA网络中为Internet业务流提供多粒度QoS保障的基本框架,设计了Internet业务流与多粒度虚通道的映射方式以及粗虚通道的配额自适应算法,最后通过仿真实验对配额自适应算法进行了验证。仿真实验结果说明:配额自适应比固定配额算法更能提高单个粗虚通道的配额利用率以及全网资源的利用率。

摘要：为了解决在图像中检测和定位人体膝关节前交叉韧带的问题,促进前交叉韧带重建手术的研究,提出一种基于分层检测的前交叉韧带定位方法.该方法将韧带定位分为全局与局部检测;根据不同的样例图像选择不同的图像特征;基于随机森林构建对应的全局和局部检测器,通过确定膝关节中前交叉韧带的整体组织的位置,再进一步识别属于前交叉韧带的具体区域,从而实现对它的准确定位.基于真实人体膝关节MRI图像的实验结果表明,文中方法对前交叉韧带检测的识别能力高,且定位准确.

摘要：现有的逻辑,有的只可用于分析安全协议,而有的则只可用于设计安全协议。本文提出一种分析和设计安全协议的新逻辑。该逻辑不但可以用来分析安全协议,而且可以用来设计安全协议。通过运用该逻辑,使安全协议的设计和分析可以在同一种逻辑中进行。同时,该逻辑消除了用不同的方法来设计和分析安全协议的不一致性。在分析协议时,首先用逻辑对协议进行形式化,然后用推理规则对协议进行推理。如果不能推理出协议的最终目标,说明协议存在缺陷或者漏洞。在设计协议时,通过运用合成规则使协议设计者可用一种系统化的方法来构造满足需要的协议。最后,用该逻辑分析Woo-Lam协议,指出该协议不能满足协议目标。我们用该逻辑重新设计了该协议,说明重新设计的协议能够达到协议的目标。

摘要：通过协调城市轨道交通网络中换乘站各方向列车的离站时刻,实现减小旅客的换乘等待时间.分析了多条线路以不同形式相交情况下换乘站列车的到发接续关系,得出换乘接续方向总数的计算公式.在此基础上,以协调时段内各个换乘接续方向上所有换乘旅客总等待时间最少为目标建立了模型.结合丢弃法,设计针对模型的简单遗传算法(SGA).最后,以两线路相交为例做模型验证,并根据设计的算法求解,得出部分优化解.计算结果表明,文中模型能有效减少旅客换乘等待时间.本研究可为网络化运行条件下列车开行方案的制定及优化调整提供支持.

摘要：快速准确地获得脑部核磁共振图像中海马体的体积变化情况,对阿尔兹海默症等疾病的诊断具有重要意义。海马体在大脑中占比很小且与周边结构的边界不明显,使得基于深度学习的核磁共振影像海马体分割具有一定难度。针对上述问题本文提出一种利用边界增强损失训练含注意力机制网络的海马体分割算法,主要贡献在于:1)设计了一种含注意力机制的U形三维卷积神经网络;2)提出一种边界增强的损失函数。在解决海马体与背景因为尺寸相差过大而带来的类不平衡问题的同时,使网络在训练时更注重对海马体边界的学习。在欧洲阿尔兹海默病协会和阿兹海默症神经影像学倡议数据集上,分析讨论了本文提出的损失函数和网络结构的性能。与目前几种先进的基于深度学习的三维分割算法进行了对比分析,实验结果表明本文提出的算法性能更优,达到了89.41%的Dice精度与人工分割精度相近。