检索结果-内蒙古大学图书馆

作者：肖攀汕头大学

学位级别：硕士

在技术进步的助力下，低功耗蓝牙医疗设备现已成为现代健康监控领域的关键要素。低功耗蓝牙作为低功耗蓝牙医疗设备的主要通讯手段，它允许低功耗蓝牙医疗设备与其他设备,如智能手机或平板电脑，进行数据传输和交流，同时保持低电量消... 详细信息

在技术进步的助力下，低功耗蓝牙医疗设备现已成为现代健康监控领域的关键要素。低功耗蓝牙作为低功耗蓝牙医疗设备的主要通讯手段，它允许低功耗蓝牙医疗设备与其他设备,如智能手机或平板电脑，进行数据传输和交流，同时保持低电量消耗，从而延长设备的使用寿命。这对于需要持续监测健康状况并实时传递数据的低功耗蓝牙医疗设备来说尤为重要。然而低功耗蓝牙医疗设备的异常检测仍然存在计算效率不足、无法增量处理以及多维数据检测效果差的问题。　　针对以上问题，本文采用了基于增量孤立森林算法的高效异常检测模型。首先通过采纳计算复杂性线性的孤立森林算法，减少了对设备资源的依赖，提高了异常检测效率。然后通过子森林渐进更新式策略的引入,使得模型能够根据新数据实时更新，显著提高了数据流环境中的适应性与灵活性。接着，为了促进异常检测模型对多维数据以及时序性数据的有效处理，采用滑动窗口技术，将数据暂存并可对窗口内的数据特征进行分析，从而增强了算法对各类健康数据的异常检测能力。最后，采用了Kafka分布式框架，使得模型在高吞吐量的流式数据中也能表现出良好的效果。　　全面的实验评估显示，本文提出的策略在处理时间上较传统算法有显著优势，尽管在内存消耗上略有增加。特别地，对心电图(ECG)信号的异常检测实验证明，本策略在灵敏度、特异性和整体准确度上都优于现有的深度学习方法，说明了本文策略可以实现多维数据的异常检测。因此,本文提出的增量异常检测,对低功耗蓝牙医疗设备的异常检测应用场景有着显著的实际意义。未来工作将聚焦于进一步降低算法的内存消耗，并将此方法应用于更广泛的低功耗蓝牙医疗设备中以验证其效果和进行优化。

关键词：低功耗蓝牙医疗设备异常数据检测孤立森林算法增量学习

来源：评论

学校读者我要写书评

暂无评论

基于油中溶解气体分析的变压器故障智能诊断方法研究

基于油中溶解气体分析的变压器故障智能诊断方法研究

引用

作者：钟阳华中科技大学

学位级别：硕士

实践表明,利用油中溶解气体的成分和含量数据可以有效分析和诊断电力变压器的内部故障。且变压器油中溶解气体分析技术经过多年的研究与应用实践已趋于成熟,至今仍然是变压器故障诊断的首选手段。目前,变压器油中溶解气体分析技术的发... 详细信息

实践表明,利用油中溶解气体的成分和含量数据可以有效分析和诊断电力变压器的内部故障。且变压器油中溶解气体分析技术经过多年的研究与应用实践已趋于成熟,至今仍然是变压器故障诊断的首选手段。目前,变压器油中溶解气体分析技术的发展趋势是将其与人工智能等先进技术相结合,以改变需要人工深度参与的现状和进一步提高故障诊断的准确性。本文基于该技术的已有成果,研究变压器故障诊断的智能化方法。主要内容包括:变压器故障与油中溶解气体组分和含量的关联性分析、基于单一时间断面数据的故障智能诊断方法、考虑新故障类型的变压器故障智能诊断方法和考虑时序关联特性的故障智能诊断方法四方面。本文完成的主要工作和取得的创新成果如下:(1)详细分析了变压器油中溶解气体的产气原理以及组成成分,深入探究了变压器故障类型和油中溶解气体的组分和含量的关联特性和判别方法,分别阐述了利用油中溶解气体分析技术来诊断变压器内部有无故障和具体故障类型的典型方法及其存在的不足。(2)提出用于变压器故障诊断的堆栈收缩自动编码网络。该网络集深度学习技术中的自动编码器的两种变体——堆栈自动编码器和收缩自动编码器的优点,能够有效地提取变压器油中溶解气体成分含量和故障状态之间隐含的对应关系特征。在使用油中溶解气体的单一时间断面数据进行测试时,堆栈收缩自动编码网络的诊断准确率达到93.54%。(3)提出堆栈收缩自动编码网络与孤立森林算法相结合的变压器故障诊断两阶段模型,该模型采用孤立森林算法作为异常数据判定环节,来克服单阶段模型在识别属于新故障类型的数据上的局限性。在与设阈值的Softmax分类器模型对比时,本文的两阶段模型在识别新型故障上有更好的性能表现。(4)提出考虑时序关联特性的堆栈收缩自动编码网络与门控循环单元相结合的变压器故障诊断模型。该模型集堆栈自动编码器、收缩自动编码器和门控循环单元的优点,能够挖掘油中溶解气体数据的时序关联特性等深层特征,在变压器出现潜在故障趋势时就能根据序列数据走势发现异常。在使用油中溶解气体的时间序列数据进行测试时,其诊断准确率达到94.31%。

关键词：变压器故障诊断深度学习收缩自动编码器堆栈自动编码器孤立森林算法门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于时频特征的旋转装备故障诊断技术研究

基于时频特征的旋转装备故障诊断技术研究

引用

作者：胡晓扬哈尔滨工业大学

学位级别：硕士

旋转装备是制造业中应用最广泛的制造装备,其可靠性对制造行业的生产和发展具有深远的影响。随着装备结构的复杂化和精密化程度不断提高,其故障带来的直接或间接损失愈发难以承受,因此故障诊断技术对于提高装备的可靠性和维护效率具有... 详细信息

旋转装备是制造业中应用最广泛的制造装备,其可靠性对制造行业的生产和发展具有深远的影响。随着装备结构的复杂化和精密化程度不断提高,其故障带来的直接或间接损失愈发难以承受,因此故障诊断技术对于提高装备的可靠性和维护效率具有重要的现实意义。鉴于此,本文对旋转装备故障诊断中的时频特征提取技术、运行状态异常检测技术、装备故障诊断技术以及跨工况下的自适应故障诊断技术进行研究,采用滚动轴承及铣刀振动数据验证所提方法的有效性。本文提出基于多分辨率和时频域分析的信号特征提取方法,采用孤立森林算法对状态信号进行异常检测。该方法利用离散小波变换将信号分解为不同频段的信号分量,抽取主导分量进行信号重构。采用连续小波变换对重构信号进行时频变换,获得信号时频域内的特征矩阵。通过孤立森林算法对时频特征进行异常检测并获得异常信号样本,完成装备的状态异常检测。采用滚动轴承振动信号对本文方法的有效性进行验证。对基于卷积神经网络的装备振动信号故障诊断技术进行研究用于解决复杂装备故障源定位困难问题。本文选择典型故障振动信号时频特征矩阵作为卷积神经网络模型的输入,分析对比模型结构参数对诊断性能的影响,建立合理故障诊断模型。在模型训练中,利用数据增强和正则化方法对诊断模型进行优化,提高其鲁棒性和泛化性。采用滚动轴承和铣刀振动信号对本文所提方法进行有效性验证,并进一步与传统方法进行对比,证明所提方法的优越性。本文研究基于迁移学习的变工况故障诊断技术用以解决小样本故障诊断问题。将卷积神经网络模型作为基础诊断模型,利用已知工况下的大量样本作为迁移学习的源数据集完成模型预训练,然后将模型迁移到新工况小样本故障诊断任务中。采用新工况小样本数据集对迁移诊断模型进行微小调整,实现跨工况诊断模型的迁移。最后,利用多种载荷状态下的滚动轴承故障信号验证本文迁移模型诊断效果。本文的研究对丰富复杂旋转装备的故障诊断方法具有理论意义,对提高装备故障诊断准确率、提高装备可靠性和运维效率具有工程实用价值。

关键词：故障诊断迁移学习卷积神经网络时频特征提取孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

基于Flink平台的恶意爬虫检测系统研究与实现

基于Flink平台的恶意爬虫检测系统研究与实现

引用

作者：任致始华东师范大学

学位级别：硕士

近年来,由恶意爬虫导致的违法犯罪案件层出不穷,根据有关统计,恶意爬虫攻击呈连年成倍增长趋势,安全威胁日益突出。因此,设计并实现一个符合时代需求的恶意爬虫检测系统非常必要。常见的检测技术有误用检测和异常检测,误用检测准确率高... 详细信息

近年来,由恶意爬虫导致的违法犯罪案件层出不穷,根据有关统计,恶意爬虫攻击呈连年成倍增长趋势,安全威胁日益突出。因此,设计并实现一个符合时代需求的恶意爬虫检测系统非常必要。常见的检测技术有误用检测和异常检测,误用检测准确率高但灵活性差,不能适应于攻击手段的变化,异常检测算法灵活性好但通常存在误报率较高的问题。恶意爬虫的检测既需要高准确率也需要很好的灵活性和适应性,为此,本文采用误用检测和异常检测结合的方式,针对恶意爬虫的特点,使用浏览器指纹技术作为误用检测,使用孤立森林算法作为异常检测,通过维护和更新指纹库,高效地对恶意爬虫进行识别。本文工作如下:(1)基于Shannon熵提取浏览器指纹特征,总共选取了14个特征作为浏览器指纹。针对浏览器指纹的特征可能经常发生变化,选用贝叶斯网络作为指纹识别算法,由于结构学习较为复杂,且训练数据并不完备,本文采用专家知识的方式进行贝叶斯网络结构的构建,采用最大似然估计方法对参数进行学习。(2)针对传统爬虫检测系统中无法在线实时检测和无法根据数据流变化而进行模型调整的问题,提出了一种基于数据流改进的孤立森林实时检测算法。根据恶意爬虫访问的特点将孤立森林算法模型改进为流模型,改进后的算法模型能够对森林中的孤立树进行动态更新。采用缓冲区的方式,在模型初步建立后,将数据存入到缓冲区,当缓冲区达到一定阈值后,采取对孤立树进行裂变的形式对森林进行更新。更新完成后会对检测结构偏差较大的树进行丢弃,然后根据相应的规则构造新树进行替换,保证森林中树的恒定。(3)在研究指纹技术和孤立森林算法的同时,本文希望在现实场景中对算法进行实现,在解决现实问题的过程中得到完善。于是在算法的基础上,基于Flink设计并实现,搭建一整套企业级恶意爬虫检测系统。最后的实验表明,本系统在对恶意爬虫的检测能力方面有着优异的表现。

关键词：恶意爬虫 Flink 浏览器指纹孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

勘探开发数据智能质量检查方法研究

勘探开发数据智能质量检查方法研究

引用

作者：陈思宇东北石油大学

学位级别：硕士

油田生产决策工作以勘探开发数据的分析结果为导向。因此,勘探开发数据质量的优劣是决策工作是否准确的重要影响因素,引起了油田工作人员的广泛关注。通过调研发现,现存的质检方法是依据人工经验对数据进行甄别和筛选,这种方法虽能完成... 详细信息

油田生产决策工作以勘探开发数据的分析结果为导向。因此,勘探开发数据质量的优劣是决策工作是否准确的重要影响因素,引起了油田工作人员的广泛关注。通过调研发现,现存的质检方法是依据人工经验对数据进行甄别和筛选,这种方法虽能完成勘探开发数据质检工作,但存在由于质检知识覆盖不全、描述不准、更新速度慢、重用率低而引起的质检效率低、质检结果准确率低的问题,最终导致在油田生产决策工作中,数据分析周期长、结果准确率低,不利于油田的开发生产。因此,制定科学合理的数据质量检查方法是数据分析准确的重要保障。本文针对上述质检方法存在的问题,在深入了解国内外油田数据质检工作的基础上,提出了一种基于专家系统辅以机器学习的智能质检方法,为勘探开发数据质量检查提供实时性强、有效性高的服务支撑。首先,深入研究勘探开发数据质检工作的现状,分析勘探开发数据质检的实际流程以及特点、难点,设计勘探开发数据智能质量检查模型的总体框架,并针对模型组成和可行性进行分析;其次,对质检知识进行分析,并以此为依据构建知识库,设计基于实例和规则推理相结合的综合推理机;再次,针对专家系统不具备从经验中学习的能力,无法自动修改知识库的问题,设计了基于孤立森林算法的知识自动更新机制;最后,设计并实现勘探开发数据智能质量检查系统,以基于工作流的机制实现勘探开发数据的智能质量检查。应用结果表明,勘探开发数据智能质量检查系统能够较好的实现当前勘探开发数据的质检工作,并极大地提高了工作效率,满足了油田实际工作的刚性需求,达到了提高数据质检工作效率和质检准确率的目的。与此同时,本课题的理论研究成果提高了勘探开发数据质检的智能化水平,推动了油田面向智能化的发展。因此,本课题的研究具有一定的理论研究意义和应用价值。

关键词：勘探开发数据智能质检专家系统孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

基于用户网络数据指纹的异常行为检测研究

基于用户网络数据指纹的异常行为检测研究

引用

作者：吴楚婷北京邮电大学

学位级别：硕士

随着互联网在全球的快速发展,网络正在悄然改变着每个人的生活方式。在海量的用户网络行为数据中,有形形色色的数据情况和特征,通过分析用户的网络行为数据,能够看出用户的上网习惯、偏好,进而发现其中存在的异常用户。这些异常用户的... 详细信息

随着互联网在全球的快速发展,网络正在悄然改变着每个人的生活方式。在海量的用户网络行为数据中,有形形色色的数据情况和特征,通过分析用户的网络行为数据,能够看出用户的上网习惯、偏好,进而发现其中存在的异常用户。这些异常用户的存在可能会使其自身的身心健康发展受到影响、甚至破坏网络环境健康的生态圈以及网络交易的公平公正。因此,识别出这些具有异常上网行为的用户,对于维护网络生态和谐健康的发展是非常重要的。然而,海量数据的丰富性为异常检测方法带来挑战,本文将根据当前互联网环境下的两类具体异常做分析,并完成检测这两类异常的方案设计和算法实现。本文的工作和创新点主要包括以下几个方面:(1)整合运营商DPI(Deep Packet Inspection,深度包检测)数据,从用户网络行为的角度分析异常行为模式。考虑用户使用互联网应用全过程,通过分布式处理运营商大规模DPI数据并提取有效内容,构建网络数据指纹系统来表征用户网络行为。(2)分析不同类型异常用户的行为特性,针对批量薅羊毛用户以及上网习惯不良用户两类异常行为模式,设计更具针对性的基于特征工程和机器学习模型的异常检测方案。(3)在特征工程部分引入RPCA(Robust Principal Component Analysis,鲁棒性主成分分析)算法,论证该算法应用于异常检测任务的合理性,且能达到丰富特征集、增强特征选择能力的目的。(4)在学习模型上提出改进的iForest(Isolation Fores,孤立森林)算法,即w-iForest算法,该算法体现出iForest各组成部分不同的检测效力,通过上网行为不良用户检测测试,证明其表现效果良好。

关键词：异常检测鲁棒性主成分分析孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

基于Elman神经网络的短期光伏功率预测模型研究

基于Elman神经网络的短期光伏功率预测模型研究

引用

作者：王强东北电力大学

学位级别：硕士

太阳能作为一种洁净可再生的新能源得到了广泛应用,然而光伏发电功率具有较强的间歇性和不稳定性,导致光伏发电并网会严重影响电网电能质量。因此,研究如何提高光伏发电短期功率预测的精度,对提高电力系统运行的稳定性具有重要意义。本... 详细信息

太阳能作为一种洁净可再生的新能源得到了广泛应用,然而光伏发电功率具有较强的间歇性和不稳定性,导致光伏发电并网会严重影响电网电能质量。因此,研究如何提高光伏发电短期功率预测的精度,对提高电力系统运行的稳定性具有重要意义。本课题的主要工作如下:针对光伏功率数据中的异常数据,本课题选取孤立森林算法作为光伏功率异常数据识别的基础模型。但孤立森林算法选取隔离树划分特征时的随机性,也会造成单棵子树上无关特征多次出现,影响算法的检测精度和稳定性。针对上述问题,本课题提出一种基于滑动指针扫描机制的隔离树特征选取方法,先计算每个样本特征的信息增益,然后采用滑动指针扫描机制选取相关度较高的特征作为隔离边界的划分特征,不仅避免单棵子树上无关特征的多次出现,而且减少隔离树训练过程的时间开销,提高了模型检测异常数据的精确度。此外孤立森林算法受轴平行特性影响产生的重叠和覆盖效应,本课题采取斜划分决策树解决这种不足。在结合历史数据筛选同类型相似日训练样本时,本课题选取模糊C均值算法作为基础模型。但基于欧氏距离的传统模糊C均值算法适用于球型数据结构的聚类,将其应用于光伏数据文本聚类选取相似日时,未能考虑各气象因素对光伏功率影响的重要性差异,导致数据聚类效果不佳。针对上述问题,提出一种改进的模糊C均值算法。首先分析各气象特征对光伏功率的影响性差异进,赋予各气象特征不同的权重值;其次结合该权重值重构了一种基于欧式距离和协方差系数的隶属度计算公式,使得改进的模糊C均值算法能适用于加权后非球形样本的聚类,有效提高了算法的收敛效率和聚类效果。本课题选择Elman神经网络模型对光伏功率进行预测,但是Elman神经网络仅考虑隐含层节点的反馈,忽略了其他层节点的反馈,而各层神经元节点的反馈都会影响网络的信息处理能力和预测精度。本课题采用双隐含层结构的神经网络,同时增加输出层的反馈作为外部反馈,形成一个内部反馈和外部反馈机制相结合的循环反馈神经网络,提高Elman网络对历史信息的敏感度以及对信息的处理能力。同时Elman网络采用误差反向传播算法修正权值,存在易陷入局部最优值、收敛速度慢的缺陷,本课题利用蝙蝠算法对Elman神经网络的初始权值、阈值进行优化,避免上述不足,提高了网络的预测精度。

关键词：光伏功率预测模糊C均值算法孤立森林算法 Elman神经网络

来源：评论

学校读者我要写书评

暂无评论

基于无监督异常检测的分布式存储慢盘优化研究

引用

江苏通信 2024年第6期40卷 53-58页

作者：胡前笑吴忆然仇磊赵耀孔祥彬金毅然中国移动通信集团江苏有限公司

分布式存储由于其高扩展性、稳定性以及较低成本等优势,已逐渐成为云计算、大数据以及AI行业主流的数据存储方式。但是面对数据快速增长、业务高可靠和低时延等严格要求,分布式存储系统的稳定性和处理效率显得尤为重要。本文以分布式存... 详细信息

分布式存储由于其高扩展性、稳定性以及较低成本等优势,已逐渐成为云计算、大数据以及AI行业主流的数据存储方式。但是面对数据快速增长、业务高可靠和低时延等严格要求,分布式存储系统的稳定性和处理效率显得尤为重要。本文以分布式存储系统运行过程中出现的慢盘为研究对象,分析慢盘出现的原因和常用检测机制,并提出一种基于无监督学习的硬盘异常检测方式,提升了分布式存储系统的可靠性和健壮性。

关键词：云计算分布式存储慢盘无监督学习孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

通信大数据安全监管平台的设计与实践

引用

湖南邮电职业技术学院学报 2024年第3期23卷 8-13,19页

作者：王赟湖南省通信网络保障中心湖南长沙410004

面对通信行业大数据应用中的数据安全风险,提出了一套完整的数据安全监管平台方案,优化了用户异常行为审计方法。数据安全监管平台的建设方案包括事前风险评估、内生安全建设、事中监测预警、事后审计溯源共四个重要阶段,包含统一身份... 详细信息

面对通信行业大数据应用中的数据安全风险,提出了一套完整的数据安全监管平台方案,优化了用户异常行为审计方法。数据安全监管平台的建设方案包括事前风险评估、内生安全建设、事中监测预警、事后审计溯源共四个重要阶段,包含统一身份管理、数据分类分级管理、数据运维安全管理、数据访问安全管理、特权用户管理五个关键功能,形成了全周期的数据安全监管体系,同时引入了孤立森林算法加强内部用户异常行为的监管审计。

关键词：数据安全安全监管孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

基于IForest-GABP的铁路扒窃人员检测

引用

铁道警察学院学报 2023年第2期33卷 103-109页

作者：炎启晨马龙李庆荣西安铁路公安处网络安全保卫支队陕西西安710004

随着高速铁路的快速发展,选择火车作为交通工具出行的旅客日益增多。而其中部分旅客对自身财物重视程度不高,为扒窃人员提供了作案机会。为了更好地发现铁路旅客中的潜在扒窃人员,维护人民群众的财产安全,特建立一种基于IForest-GABP的... 详细信息

随着高速铁路的快速发展,选择火车作为交通工具出行的旅客日益增多。而其中部分旅客对自身财物重视程度不高,为扒窃人员提供了作案机会。为了更好地发现铁路旅客中的潜在扒窃人员,维护人民群众的财产安全,特建立一种基于IForest-GABP的扒窃人员检测模型。该模型通过分析真实的铁路售票数据,着力发现扒窃人员在移动特征与身份特征方面同正常旅客存在的差异,首先利用孤立森林(IForest)对正常旅客进行过滤,其次,引入旅客身份特征,同移动特征一并输入GA-BP网络进行异常人员检测,最终确定扒窃人员。实验结果表明,通过该模型能够准确地识别出扒窃人员。该模型相较于传统方法,能够有效地解决正负类数据不平衡问题,降低误检率,提高预测精度,具有良好的实际使用价值。

关键词：铁路扒窃个体检测孤立森林算法 GA-BP算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：