目的探讨射频标签技术(Radio Frequency Tag Technology,RFID)在医疗设备管理中的应用。方法提出一种基于粒子群神经网络(Particle Swarm Optimization-Back Propagation,PSO-BP)的RFID定位算法。搭建实验平台,无源标签贴于卡片表面,模...
详细信息
目的探讨射频标签技术(Radio Frequency Tag Technology,RFID)在医疗设备管理中的应用。方法提出一种基于粒子群神经网络(Particle Swarm Optimization-Back Propagation,PSO-BP)的RFID定位算法。搭建实验平台,无源标签贴于卡片表面,模拟实际医疗设备,每个标签分配唯一设备编码。从3个角度测量实验区内各射频标签坐标所对应的信号强度(Received Signal Strength Indication,RSSI)值,对测量数据进行预处理。利用预处理后的实验数据,在既定的训练误差下,对PSO-BP模型进行训练,得到RFID读写器与标签之间"信号强度—坐标"的映射关系,通过训练后的PSO-BP模型对未知组的数据进行测试。结果基于PSO-BP的RFID定位算法,测量值与原始值间的测试误差度为达到毫米级。结论本算法将RSSI值与位置信息关联起来,规避了RSSI值转化距离时的参数值估计,提高了室内定位的精度。
工业控制系统（Industrial Control System，ICS系统）是制造业生产、基础设施建设等工程的核心。ICS系统已从独立封闭阶段发展为与当今互联网技术相融合的控制系统，已融入了互联网信息开放、共享的特点，形成了工业控制网络（Industri...
详细信息
工业控制系统（Industrial Control System，ICS系统）是制造业生产、基础设施建设等工程的核心。ICS系统已从独立封闭阶段发展为与当今互联网技术相融合的控制系统，已融入了互联网信息开放、共享的特点，形成了工业控制网络（Industrial control network，ICN网络）。互联网技术的应用为ICS管理者带来便利的同时，也给系统的信息安全带来了风险。由于ICS信息中包含了企业生产各环节的关键信息，一旦信息安全出现问题不仅仅会影响个人隐私，更有可能涉及到企业或重要领域的机密。因此，如何保障信息安全成为了当前ICS领域的重要研究课题。 针对上述研究难点和热点问题，本文对预测通信行为的入侵检测系统进行了研究，总结了目前应用较为广泛的入侵检测方法;同时也总结了防火墙、网络隔离、访问控制等相关安全技术。基于对入侵行为检测方法的理解和现场项目的实际需求，为了充分发挥数据挖掘技术中通信数据的有效信息，提出了一种结合白名单技术和自适应变异的粒子群神经网络算法相融合的入侵检测方法。该方法能够更好的发挥白名单占用存储空间少、误报率低的优势，同时也能利用神经网络弥补白名单对系统中未出现的攻击行为的检测。在利用BP神经网络进行第二次数据检测时应用了一种自适应变异的粒子群算法，通过一个概率因子Pm的变异操作，让粒子群算法避免在寻优过程中陷入局部最优，从而改进BP神经网络的训练过程。经典数据集和工业现场采集的通信数据测试实验结果验证了该方法的有效性和适用性。
暂无评论