【摘 要】
：
物联网设备流量分类技术对网络空间资产管理有着重要意义。现有的分类技术有协议特征识别和流量统计识别两大类，流量统计分类方法是当前学术界研究热点。前期的流量统计分类算法主要基于流的信息建立特征向量，而对数据包的信息研究较少。改进了基于随机森林的物联网设备流量分类算法，基于流信息和流头部的数据包信息共同建立特征向量。实验结果表明，与之前算法相比新算法的分类准确性由56%提高到82%，召回率由47%提高到
论文部分内容阅读
物联网设备流量分类技术对网络空间资产管理有着重要意义。现有的分类技术有协议特征识别和流量统计识别两大类，流量统计分类方法是当前学术界研究热点。前期的流量统计分类算法主要基于流的信息建立特征向量，而对数据包的信息研究较少。改进了基于随机森林的物联网设备流量分类算法，基于流信息和流头部的数据包信息共同建立特征向量。实验结果表明，与之前算法相比新算法的分类准确性由56%提高到82%，召回率由47%提高到67%，F1得分由0.43提高到0.74，混淆矩阵对比也有明显提升，因此具备更好的分类效果。
其他文献
识别多尺度目标和遮挡目标是目标检测中的重点和难点。为了检测不同大小的目标，目标检测器通常利用卷积神经网络的多尺度特征图层次结构，然而这种自顶向下的结构由于底层特征图的卷积层较小，缺乏获取小目标特征所需的细节信息，因此这些目标检测器的性能受到了限制。为此，本文结合Faster R-CNN框架提出Collaborative R-CNN，设计了一种级联网络结构，可以融合多尺度特征图，以生成深度融合的特征
电力物联网终端设备容易受到身份伪装、信息窃取、数据篡改等多种安全威胁，传统的安全方法无法抵御来自受损终端的网络内部攻击，信任评价体系是保护电力物联网终端免受内部攻击的有效机制。针对电力无线专网通信终端信任问题，提出一种基于信息熵的信任评价方法。首先通过基于指数分布的信誉度的模型估算直接信任值，然后采用滑窗与遗忘因子对直接信任值进行更新，根据熵理论度量直接信任值的不确定性，并引入间接信任值弥补直接信
图像描述文本生成是计算机视觉与自然语言处理交叉领域的研究热点。现有深度学习模型能够应用词性序列和句法树使生成的文本更符合语法规则。然而，上述模型生成的文本多为简单句，在多样性和句法复杂度方面，尚未取得突破；在语言模型促进深度学习模型的可解释性方面，当前研究甚少。将依存句法信息融合到深度学习模型以监督图像描述文本生成的同时，可使深度学习模型更具可解释性。图像结构注意力机制基于依存句法和图像视觉信息，
为了模拟人眼的视觉注意机制,快速、高效地搜索和定位图像目标,本文提出了一种基于循环神经网络的联合回归深度强化学习目标定位模型,该模型将历史观测信息与当前时刻的观测信息融合并做出综合分析,以训练Agent(智能体)快速定位目标,并联合回归器对Agent所定位的目标包围框进行精细调整.实验表明,所提出的模型能够在少数时间步内快速、准确地定位目标.
合成孔径成像通过多角度获取目标信息来等效大孔径和小景深相机成像.因此,该技术可以虚化遮挡物,实现对被遮挡目标的成像.然而,在密集遮挡和极端光照条件下,由于遮挡物的密集干扰和相机本身较低的动态范围,基于传统相机的合成孔径成像无法有效地对被遮挡目标进行成像.本文利用事件相机低延时、高动态的特性,提出基于事件相机的合成孔径成像方法.事件相机产生异步事件数据,具有极低的延时,能够以连续视角观测场景,从而消
土壤水分的准确高效测定是土壤水文学研究的重要基础，以土壤电学性质为基础的电阻率成像法（ERT）为土壤水分信息获取提供了新的技术手段。为探究ERT在黄土区土壤水文过程研究中的可行性，利用高密度电法仪测定了陕北六道沟小流域典型坡地和坝地剖面土壤电阻率（ρ），分析了不同土地利用方式下ρ二维分布特征，探讨了ERT在黄土区土壤水分及地下水监测研究方面的应用。结果表明：坡地土地利用方式和坡位对ρ具有显著影响，
“少人化”、“无人化”综采工作面是煤矿发展的重要方向，同时也是煤矿安全生产的重要保障。矿山远程监控系统则是其中的重要一环，由于采煤工作面环境复杂，如光线昏暗、高粉尘、成像电压不稳定、对比度低等诸多因素严重影响视频监控图像的质量。因此，为提高图像质量兼顾传输效率，在非局部均值滤波的基础上提出一种基于积分图像的快速非局部均值滤波算法。此外，在对比研究中值滤波算法和不同尺寸的均值滤波算法对测试图像影响规
为了探寻长期施肥条件对土壤表层及亚表层团聚体腐殖质组成的影响，本研究以32a长期定位不施肥（CK）、施用氮磷肥（T1）、有机肥（T2）、有机肥与氮磷配施（T3）四个实验处理下的暗棕壤表层（0-20cm）及亚表层（20-40cm）团聚体腐殖质组成为研究对象，研究了四种不同处理对暗棕壤表层及亚表层不同粒级团聚体腐殖质组成数量及可溶性物质特性的影响。结果表明：有机肥与氮磷配施（T3）可以明显增加表层大团
深度卷积神经网络(CNNs)显著提升了单图像超分辨率的性能.通常，网络越深，性能越好.然而加深网络往往会急剧增加参数量和计算负荷，这限制了它在资源受限的移动设备上的应用.本文中，我们提出了一个基于轻量级自适应级联的注意力网络(ACAN)的单图像超分辨率方法.特别地，我们提出了局部像素级注意力(LPA)模块，它给输入特征的每一个特征通道上的像素点都赋以不同的权值，从而为重建高质量图像选取更精确的高频
通过监控视频自动检测操作任务中手部异常行为，能够预防人因差错，提高人因可靠性。针对手部操作运动特征不明显、常用异常检测和手势识别方法不适用的问题，提出基于区域划分与标准时间的手部异常行为检测技术。使用基于椭圆模型的肤色检测法，检测视频中手部形心位置；提出工作区域划分法，根据手部形心在操作过程中所处区域的不同，将连续操作分割为单元任务，获得各段单元任务的起止时间和持续时长；以正常工作时间为标准，对超