面向动态拓扑的无线传感器网络自适应分层入侵检测方法

    公开(公告)号:CN109257749B

    公开(公告)日:2021-05-18

    申请号:CN201811033201.6

    申请日:2018-09-05

    摘要: 本发明公开一种面向动态拓扑的无线传感器网络自适应分层入侵检测方法,首先建立无线传感器通信网络,当目标节点接入网络时,底层普通节点作为判别节点,执行基于单时空相关性的入侵检测机制,利用数据包特征的时空相关性进行合法性初步鉴别;若判断为疑似合法,则允许缓存的数据和后续数据向上转发,并对数据进行标记;若判断为疑似非法,则将T1时间段内的特征结果发送至汇聚基站,由汇聚基站做最终判断;中心汇聚基站执行基于孤立森林的多时空相关性的中心识别算法,进行综合决策,实现对目标节点合法性的最终判断;并将最终判断反馈给底层判别节点,由判别节点实现对目标节点的接入和隔离。此种方法可实现轻量级能耗下的网络自适应入侵检测。

    基于贝叶斯网络的C4ISR体系恢复力评估方法

    公开(公告)号:CN109308585A

    公开(公告)日:2019-02-05

    申请号:CN201811154687.9

    申请日:2018-09-30

    摘要: 本发明公开了一种基于贝叶斯网络的C4ISR体系恢复力评估方法,依据C4ISR体系能力聚合过程将体系划分为三个层次,分别是系统功能层、领域能力层和体系能力层;根据历史数据确定系统功能层各成员系统出现故障的概率,领域能力层各功能需求的条件概率,以及体系能力层完成相应使命任务的条件概率,计算一个成员系统故障时体系的恢复力;根据一个成员系统故障时体系的恢复力,确定关键成员系统和预期体系能力范围,指导改善体系抗干扰的能力。本发明利用贝叶斯网络对C4ISR体系进行建模,利用贝叶斯方法的概率推理C4ISR体系的恢复力,利用恢复力识别体系中的关键成员系统,进而刻画体系能力下降的类型,有利于改善体系抗干扰的能力,便于开发出健壮性好的体系。

    无监督逐层生成对抗特征表示学习方法

    公开(公告)号:CN109711442B

    公开(公告)日:2021-04-16

    申请号:CN201811536668.2

    申请日:2018-12-15

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明公开了一种无监督逐层生成对抗特征表示学习方法,通过2个及以上的生成式对抗网络组成堆积网络,其中第一个生成式对抗网络以多维的随机噪声为输入,其余生成式对抗网络以随机噪声和前一个分支的隐含特征为输入;通过各个生成网络生成对应大小的图像,根据各判别网络的交叉熵,优化各个判别网络,根据判别网络中间层特征的期望值和生成图像之间的相似统计特征,优化整个生成网络;利用优化的SGANs,提取抽象语义特征表示向量,结合散列表示方法,确定图像的散列特征表示。本发明能够生成高层次的抽象语义特征,并且能够更好的学习真实图像的分布。

    应急指挥控制固定翼无人机舰面紧急起飞控制方法

    公开(公告)号:CN108873923A

    公开(公告)日:2018-11-23

    申请号:CN201810756321.2

    申请日:2018-07-11

    IPC分类号: G05D1/08 G05D1/10

    摘要: 本发明公开了一种应急指挥控制固定翼无人机舰面紧急起飞控制方法,采用纵向鲁棒H∞控制器对固定翼无人机的起飞姿态进行控制,即将设计纵向鲁棒H∞控制器的输出信号和外部扰动同时作为固定翼无人机起飞动力学模型的输入,形成闭环控制系统,实现对海洋外部突风干扰的抑制,使固定翼无人机从舰面稳定起飞;速度控制器采用非线性动态逆控制方法,能快速达到理想速度,速度控制器的输出信号为推力,控制对象为起飞速度。通过二者组合实现了无人机在舰面上抗干扰且快速起飞。本发明属于固定翼无人机应急起飞控制的技术领域。本发明的起飞控制方法,使固定翼无人机在离舰起飞阶段有较强的抵抗突风能力,能较快的实现应急起飞,确保固定翼无人机安全起飞。

    基于运用效能的作战系统操作行为分析方法

    公开(公告)号:CN110598173B

    公开(公告)日:2023-06-09

    申请号:CN201910820099.2

    申请日:2019-08-31

    IPC分类号: G06F17/15 G06F17/14 G06Q50/26

    摘要: 本发明公开了一种基于运用效能的作战系统操作行为分析方法,将作战运用效能表现量化,确定运用效能信号;采用极限测试法确定作战系统响应函数,推算逆系统响应函数;根据作战运用效能信号和逆系统响应函数,确定总体操作信号;从总体操作信号中分离出不同属性的操作信号;将不同属性的操作信号与对应的正常操作信号比较,找出异常的属性操作及其变化值。本发明对作战系统的人员操作行为进行解析化分析,提升了分析的便捷性和准确性,能够为后续操作行为调整,提升运用效能提供更加精准的参考意见。

    应急指挥控制固定翼无人机舰面紧急起飞控制方法

    公开(公告)号:CN108873923B

    公开(公告)日:2021-06-08

    申请号:CN201810756321.2

    申请日:2018-07-11

    IPC分类号: G05D1/08 G05D1/10

    摘要: 本发明公开了一种应急指挥控制固定翼无人机舰面紧急起飞控制方法,采用纵向鲁棒H∞控制器对固定翼无人机的起飞姿态进行控制,即将设计纵向鲁棒H∞控制器的输出信号和外部扰动同时作为固定翼无人机起飞动力学模型的输入,形成闭环控制系统,实现对海洋外部突风干扰的抑制,使固定翼无人机从舰面稳定起飞;速度控制器采用非线性动态逆控制方法,能快速达到理想速度,速度控制器的输出信号为推力,控制对象为起飞速度。通过二者组合实现了无人机在舰面上抗干扰且快速起飞。本发明属于固定翼无人机应急起飞控制的技术领域。本发明的起飞控制方法,使固定翼无人机在离舰起飞阶段有较强的抵抗突风能力,能较快的实现应急起飞,确保固定翼无人机安全起飞。

    半监督GAN的散列特征表示学习方法

    公开(公告)号:CN109800768A

    公开(公告)日:2019-05-24

    申请号:CN201811536653.6

    申请日:2018-12-15

    IPC分类号: G06K9/46 G06N3/04 G06N3/08

    摘要: 本发明公开了一种半监督GAN的散列特征表示的学习方法,通过2个及以上的生成式对抗网络组成DSH-SGANs网络,其中第一个生成式对抗网络以图像和标签向量为输入,其余生成式对抗网络以前一个分支的隐含特征和标签向量为输入;考虑深度散列优化目标、对抗优化目标、分类优化目标和结构一致优化目标,优化生成网络和判别网络;利用优化后的网络,确定待分析图像的散列特征表示。本发明根据图像标注信息蕴含的图像之间的相似性,确定面向图像检索深度散列优化目标,挖掘图像标注的语义信息,提升了图像检索的准确率。

    基于描述逻辑的服务编导模型形式化验证方法

    公开(公告)号:CN109784491A

    公开(公告)日:2019-05-21

    申请号:CN201811537469.3

    申请日:2018-12-15

    IPC分类号: G06N5/04 G06Q10/10

    摘要: 本发明公开了一种基于描述逻辑的服务编导模型形式化验证方法,定义基于WS-CDL的服务编导元概念模型和领域规则,其中服务编导元概念模型包括服务编导元和元关系集合,领域规则包括一致性规则、完整性规则和演绎推理规则;根据用户的服务协作需求,结合服务编导元概念模型,建立应用概念模型;基于SHOIND的验证方法,对服务编导元概念模型、应用概念模型和领域规则进行转化,实现数据一致性、完整性验证及基于规则的推理验证。本发明具备传统系统验证方法的描述能力、自动化程度和验证效率,并且不存在状态爆炸问题,在推理的可判定性和知识的复用等方面也具备明显优势。

    无监督逐层生成对抗特征表示学习方法

    公开(公告)号:CN109711442A

    公开(公告)日:2019-05-03

    申请号:CN201811536668.2

    申请日:2018-12-15

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明公开了一种无监督逐层生成对抗特征表示学习方法,通过2个及以上的生成式对抗网络组成堆积网络,其中第一个生成式对抗网络以多维的随机噪声为输入,其余生成式对抗网络以随机噪声和前一个分支的隐含特征为输入;通过各个生成网络生成对应大小的图像,根据各判别网络的交叉熵,优化各个判别网络,根据判别网络中间层特征的期望值和生成图像之间的相似统计特征,优化整个生成网络;利用优化的SGANs,提取抽象语义特征表示向量,结合散列表示方法,确定图像的散列特征表示。本发明能够生成高层次的抽象语义特征,并且能够更好的学习真实图像的分布。

    半监督GAN的散列特征表示学习方法

    公开(公告)号:CN109800768B

    公开(公告)日:2021-05-14

    申请号:CN201811536653.6

    申请日:2018-12-15

    IPC分类号: G06K9/46 G06N3/04 G06N3/08

    摘要: 本发明公开了一种半监督GAN的散列特征表示的学习方法,通过2个及以上的生成式对抗网络组成DSH‑SGANs网络,其中第一个生成式对抗网络以图像和标签向量为输入,其余生成式对抗网络以前一个分支的隐含特征和标签向量为输入;考虑深度散列优化目标、对抗优化目标、分类优化目标和结构一致优化目标,优化生成网络和判别网络;利用优化后的网络,确定待分析图像的散列特征表示。本发明根据图像标注信息蕴含的图像之间的相似性,确定面向图像检索深度散列优化目标,挖掘图像标注的语义信息,提升了图像检索的准确率。