【摘 要】
：
为解决光纤传感网络异常传输数据影响信号安全传输的问题,提出基于灰色关联聚类的光纤传感网络异常数据隔离方法.构建光纤传感网络传输中异常断点数据采样模型,在采样模型基础上提取光纤传感网络传输中大数据异常谱特征,最后基于灰色关联聚类方法优化的光纤传感网络传输中异常数据隔离算法,实现对异常数据的有效隔离.实验结果表明,所设计的异常数据隔离算法查全率在85％以上,查准率为98.7％以上,且耗时较短,在4 s以内,为光纤传感网络传输数据的安全传输提供参考.
论文部分内容阅读
为解决光纤传感网络异常传输数据影响信号安全传输的问题,提出基于灰色关联聚类的光纤传感网络异常数据隔离方法.构建光纤传感网络传输中异常断点数据采样模型,在采样模型基础上提取光纤传感网络传输中大数据异常谱特征,最后基于灰色关联聚类方法优化的光纤传感网络传输中异常数据隔离算法,实现对异常数据的有效隔离.实验结果表明,所设计的异常数据隔离算法查全率在85％以上,查准率为98.7％以上,且耗时较短,在4 s以内,为光纤传感网络传输数据的安全传输提供参考.
其他文献
在目前建立的激光光谱图像数据库中,数据库的滤波性能较差,导致存储的光谱图像数据受噪声影响严重.因此,提出基于中值滤波去噪算法的激光光谱图像数据库构建.首先利用多数据源数据库模式,建立数据库的存储引擎.其次利用中值滤波去噪算法,在数据库中添加去噪模块.然后将滤波后的图像进行光学参数转换,最后对不同光谱数据分别进行格式转换,并对数据进行归一化存储至数据库中,完成激光光谱图像数据库设计.利用不同方法的图像数据库与设计数据库对生成的激光光谱数据进行存储,并进行对比实验,分别对数据库的构建以及滤波能力进行分析.实验
目的:观察鸡血藤黄酮提取物对脑缺血再灌注的影响,探讨鸡血藤黄酮提取物改善脑缺血的可能机制.方法:成年雄性清洁SD大鼠,280～300g,随机分成假手术组、模型组、鸡血藤黄酮提取物125、250、500mg/kg组和阳性对照尼莫地平组.大鼠持续灌胃给药5d后,采用Longa线栓法制备大鼠大脑中动脉闭塞(MCAO)2h/再灌注24h模型.于缺血前2h分别给予鸡血藤黄酮提取物或尼莫地平,假手术组和模型组灌胃等量生理盐水,对大鼠进行神经功能缺损评分,并检测脑组织匀浆中NOS、NO、Ca2+-ATP、Na+-K+-
为提升多目标识别和定位技术水平,满足实际目标识别与定位需求,研究融合无线射频与激光信息的多目标识别和定位方法.利用RFID阅读器与传感器获取动态多目标的相位和激光信息,经过RFID相位差估算速度、DBSVAN算法聚类激光数据并估算径向速度后,依据匹配情况,采用粒子滤波利用随机预测或激光预测的方式实现多目标的识别与定位.实验结果表明:该方法所定位的路径与实际目标运动轨迹基本相同,其误差仅为0.2 m,匹配误差较低;采样点视差值曲线较为平缓,视差值始终保持在60-70个像素之间,抗干扰能力较强;当平滑系数增加
针对目前光纤绕制缺陷检测方法准确率低,实用性差等问题,提出一种基于低秩表示技术的光纤环绕制缺陷检测方法.首先,利用光纤环图像纹理的重复性和缺陷的局部性特征,将无缺陷的光纤环图像建模为低秩结构,将缺陷建模为稀疏结构.然后,基于低秩表示理论对绕制缺陷检测问题进行模型构建,并利用增广拉格朗日乘子法求解其目标函数,以近似恢复原始图像的行空间并分离出缺陷区域.通过实验对算法进行验证,结果表明,提出的光纤绕制缺陷检测方法是可行的,能够有效检测出缺陷,且与其他算法相比,本算法取得缺陷检测精度最高.
为了提高分割结果一致性,更为详细地凸显激光图像特征,提出一种基于隐马尔科夫模型的激光主动成像图像分割方法.通过小波转换获得图像同一坐标的不同频带信息,同时依靠二维多分辨率分解划分噪声,构建尺度空间,依据Wiener滤波与高斯混合模型去除对图像内冗余去噪,将处理后图像储存在尺度空间内,使用小波域隐马尔科夫模型提取图像的边沿与局部特征,并将图像超像素信息融入模型距离函数与点对先验几率内,提升分割结果的质量,最后计算图像像素迭代强度、区域级迭代强度与像素对于所属超像素的贡献度,得到图像内局部区域的边沿,实现激光
目的:探讨超声诊断甲状腺的诊断价值及临床应用.方法:选取2018年3月-2019年8月72例疑似甲状腺肿瘤患者,通过二维彩超声予以检查,观察其诊断接种及临床应用效果.结果:二维彩超诊断甲状腺肿瘤准确性为95.83％,敏感性为97.06％,特异性为75.00％;二维彩超诊断结节性甲状腺肿、甲状腺腺瘤、甲状腺癌与病理结果无显著差异(P>0.05);恶性甲状腺疾病与良性比较,形态不规则、边界不清晰、边缘成角、纵向生长、无声晕、低回声、钙化的比例更高,差异有统计学意义(P<0.05);恶性甲状腺疾病血流程度Ⅲ型、
目的:探究将优质护理运用于高血压脑出血患者健康教育中的效果.方法:选取2018年2月-2020年8月本院收治的140例高血压脑出血患者为研究对象,随机分为观察组(优质护理)和对照组(常规护理)各70人.结果:相比于对照组,观察组用药依从率(95.71％)和干预满意度(100.00％)均较高(P<0.05);干预后,观察组生活质量评分均较高,观察组SAS、SDS评分均较低(P<0.05);观察组睡眠质量各指标均低于对照组(P<0.05).结论:将优质护理运用于高血压脑出血患者健康教育中可以获得更加显著的效果
近年来,深度学习技术已广泛应用于计算成像领域中,解决了许多成像难题.为减少训练数据集制作的复杂程度,以数字全息显微成像重建过程为例,基于光成像物理过程,采用模拟手段以增强深度学习所用数据,并将该方法应用于细胞显微成像.测试结果表明经该方法获取的数据集可以代替实验数据集来对神经网络进行训练,并能有效提高输出成像质量.该方法的提出解决了神经网络输入图像和基准图像的像素匹配问题,减少了实验采集数据集的工作量,进一步提高神经网络整体训练效率.
目的:探讨并分析,聚乙二醇干扰素结合利巴韦林治疗慢性丙肝的临床护理体会.方法:研究开始时间为2018年5月,结束时间为2020年5月,研究患者一共94例,根据患者入院先后的顺序,将其分为两组,并设定组名为观察组和对照组,观察组患者的护理方案为优质护理干预.对照组的则为常规护理模式.结果:在并发症发生方面,实施优质护理干预的患者其发生率明显较低,同时在患者满意度方面,观察组数据也较高,相对于对照组,p<0.05.结论:优质护理干预能有效降低慢性丙肝患者的并发症发生率,在保证患者治疗效果的同时,改善患者的生存
网络技术与三维激光扫描技术飞速发展,点云数据量激增,大幅降低了存储效率与稳定度,因此,面向激光点云数据库,采用分布式存储理念构建一种存储模型.通过边角定位与多角度扫描,采集三维激光点云数据,组建点云数据库,分割目标三维扫描区域为固定大小独立块,利用立体六边形长、宽、高的向上取整函数,描述三类独立块个数,按序嵌入独立块坐标信息,架构点云数据分布模型,对数据库展开预处理与点云配准后,基于四级网格数据平台,构建分布式存储模型.仿真实验阶段中,将采集到的点云数据划分为不同数量的数据块类别,分配至不同个数分布式节点