论文部分内容阅读
基于自适应支持向量机的网络流量异常检测模型研究
【出 处】
：
燕山大学
【发表日期】
：
2020年01期
其他文献
零相关区序列集在码分多址通信系统中可以作为用户地址码,降低或者消除多径干扰、多址干扰;在正交频分复用系统中可用于信道估计、同步等;在多入多出-正交频分复用系统中可以利用自身相关特性进行无干扰导频设计,获得较高的信道估计精度,有效地消除同信道导频干扰。可见,零相关区序列集的设计对通信系统起着重要作用。本课题以零相关区序列集设计为核心,主要针对零相关区互补序列集、非对称零相关区序列集的设计方法进行研究
学位
扩频通信与光纤通信、卫星通信并称为信息时代三大通信手段。近年来,扩频通信进一步发展,技术更加成熟,凭借其抗干扰性强、隐蔽性好、抗多径干扰、可以实现码分多址等优点,得到了广泛的应用。扩频通信主要应用于四大领域,分别是军事通信、移动通信、卫星通信、测距定位。随着科技的进步,对信号的品质要求也在逐步提高,最佳信号凭借其具有理想相关特性而获得了广大学者的青睐。虽然最佳信号有了相应的研究成果,但远远不足以满
学位
目前我国正逐步进入老龄化社会,对于改善老年人的认知能力,特别是空间认知能力以降低老年痴呆发病率正受到国内外越来越多研究人员的关注。脑电信号（Electroencephalogram,EEG）分析作为一种高效的评估大脑认知神经活动变化的方式,在引入深度学习算法后也取得了很大的进步。因此,本文以科学有效的方式对老年人进行空间认知训练实验,并从行为数据统计与脑电信号分析多角度评估个体在实验中执行任务时认
学位
零相关区（Zero Correlation Zone,ZCZ）序列集由于具有理想的相关特性,被广泛的应用在各个领域,例如扩频通信、雷达、信道估计等。ZCZ的概念可以引入到互补序列集或者高斯整数序列集中,得到ZCZ互补序列集或者高斯整数ZCZ序列集,可以为移动通信系统提供更多的扩频序列,可见研究具有ZCZ特性的扩频序列对通信系统有重要意义。首先,提出了基于分圆类的高斯整数ZCZ序列集的构造法。基于2
学位
目前,深度学习技术应用非常广泛,而且在各个领域中都取得了瞩目的效果,LSTM神经网络就是其中之一,其利用自身超强的时序预测能力得到了很多学者的青睐。LSTM是循环神经网络的变体,弥补了RNN的梯度消失、梯度爆炸、长期记忆能力不足等问题,能够真正有效地利用时序信息。本文基于LSTM神经网络模型用于预测问题上的优势,将其应用到抽油机井实时故障检测的实际问题中,解决因井下故障造成油田生产损失的问题。首先
学位
压缩感知是一种能够同时获取和降低可稀疏表示信号维度的信号采集方法。该技术是收集信号的线性、非适应性测量值的过程,这些测量值可以表示为信号与测量矩阵相乘的形式。测量矩阵影响着信号采样以及信号恢复两个重要过程,因此在压缩感知系统中起着关键作用。本文主要对确定性稀疏测量矩阵的构造方法展开研究。针对具有良好重建性能的随机测量矩阵存在存储量大、在硬件上很难用于实现的问题,本文构造了存储量小、编码和重构复杂度
学位
压缩感知理论是近年来新兴起的一种采样理论。压缩感知理论通过非自适应、线性投影的方式对一个稀疏信号进行测量并根据相应的恢复算法恢复出来。这种理论突破了传统采样定理的瓶颈,实现了采样与压缩的统一,因此受到了学者们的广泛关注。压缩感知中如何构造性能良好的测量矩阵的是一个研究的重点。由于随机测量矩阵存在着存储开销大、硬件应用受限等明显的缺陷,因此本文围绕构造确定性测量矩阵展开了研究。本文根据测量矩阵与码本
学位