网络流量识别是网络管理和安全服务的基础.随着互联网的不断扩展及其复杂性的增加,传统基于规则的识别方法或流行为特征的方法正在面临着巨大挑战.受自然语言处理(Nature Language Processing, NLP)启发,本文提出了一种多特征融合的加...
详细信息
网络流量识别是网络管理和安全服务的基础.随着互联网的不断扩展及其复杂性的增加,传统基于规则的识别方法或流行为特征的方法正在面临着巨大挑战.受自然语言处理(Nature Language Processing, NLP)启发,本文提出了一种多特征融合的加密流量快速分类方法 .该方法通过融合数据包和字节序列特征来完成网络流的特征表示,采用双元字节编码将所选特征扩展为双字节序列,增加了字节的上下文语义特征;通过与数据包特征处理相适应的池化方法来最大限度保留数据包的特征信息,从而使所提模型具有更强的抗噪能力和更精确的分类能力.本文方法分别在ISCX-2016和一个包含66个热门应用程序的私有数据集(ETD66)上进行验证,并与其他模型展开比较.结果表明:本文所提方法在ISCX-2016及ETD66上的测试精度和性能都明显优于其他流量分类模型,分别取得了98.2%和98.6%的识别准确率,从而证明了所提方法的特征提取能力和强泛化能力.
四旋翼无人机系统具有参数不确定性及强耦合性的特点,其飞行性能容易受到外部干扰而下降.为了保证四旋翼无人机飞行的稳定性,本文提出了一种基于改进线性扩张状态观测器(Linear Extended State Observer,LESO)的模糊线性自抗扰控制方法...
详细信息
四旋翼无人机系统具有参数不确定性及强耦合性的特点,其飞行性能容易受到外部干扰而下降.为了保证四旋翼无人机飞行的稳定性,本文提出了一种基于改进线性扩张状态观测器(Linear Extended State Observer,LESO)的模糊线性自抗扰控制方法.通过模糊算法自适应调节线性自抗扰控制器的参数,基于Levant跟踪微分器跟踪四旋翼无人机位置及姿态角的二阶微分信号进而提取四旋翼无人机系统的总扰动,使用总扰动偏差及偏差的微分作为输入的模糊控制器来优化LESO对总扰动的估计精度.此外,分析了LESO的收敛性及闭环系统的稳定性.最后通过对比仿真验证了所提控制策略的有效性,并从系统的控制信号,动态响应能力和抗干扰能力等方面对控制方案的性能进行了定量分析.
暂无评论