关键词： 物联网   入侵检测   数据不平衡   过采样   欠采样  

摘要： 随着物联网设备数量的不断增加,攻击者获得了更多的机会和资源,从而导致物联网僵尸网络规模的不断扩大,这些僵尸网络对Web服务器和互联网基础设施的影响也变得越来越显著。利用大量被感染的物联网设备,攻击者发动大规模的DDoS攻击,向目标Web服务器发送海量请求,导致服务器超载,无法正常运行,甚至完全瘫痪服务。因此,面向物联网的入侵检测成为研究热点之一。 物联网的入侵检测系统训练数据集具有正常数据量庞大、攻击数据量稀少的特点,训练数据集的不平衡易导致入侵检测算法难收敛。论文从两个方面对数据的不平衡处理技术开展研究,研究过采样技术,增加数据集中攻击数据;研究欠采样技术,减少训练集中正常流量的冗余。实现训练数据流量均衡,为物联网入侵检测算法训练提供支撑。 论文的主要成果有: (1)针对训练数据集中攻击数据量稀少的问题,提出一种KG-SMOTE过采样算法,采用K-means聚类算法对攻击数据进行聚类分析,统计各聚类的均值和标准差,利用高斯分布方法插入SMOTE合成样本,增加训练数据集中DDoS攻击流量的密度,扩展了数据多样性,实现了检测算法的快速收敛,提升了检测算法的准确率。实验表明,该方法与主流过采样技术对比,在精确率、召回率、F1-score等均有提升。 (2)针对训练数据集中正常数据量偏多的问题,提出一种DBSCAN-MST欠采样算法,采用DBSCAN对正常流量进行聚类分析,去除噪声样本,利用最小生成树算法清理决策边界,通过剔除原始数据集中不具代表性和不重要的正常流量,从而使得正常流量和攻击流量的数量比接近1:1,最终提高传统分类算法的分类性能。实验表明,该方法与主流欠采样技术对比,在召回率、F1-score、G-Mean均有提升。 (3)设计面向物联网DDoS攻击的入侵检测原型系统,采用KG-SMOTE过算法和DBSCAN-MST欠采样算法,解决训练数据集的数据不平衡问题,优化深度异常检测模型,提高模型的精度;在公开数据集MBB-Io T的测试中,论文实现的面向物联网的入侵检测系统的检测准确率、召回率等均有提升。

关键词： 生成式人工智能   财务管理   数据处理   风险管理  

摘要： 在技术迅猛发展的背景下，生成式人工智能以卓越的数据处理能力、精准预测、决策辅助，以及强化风险管理等特点，重塑了财务管理思想和体系。为探究生成式人工智能在财务管理领域的革新应用与影响，本文首先分析生成式人工智能的最新进展，强调生成式人工智能在财务管理中应用的重要性，其次分析生成式人工智能在财务管理中应用的作用，再次客观指出数据可靠性、技术迭代适应性及组织管理变革等挑战，最后提出应对策略，以期促进技术与财务实践的深度融合。

关键词： 电磁超声   厚度检测   经验模态分解   渡越时间   特征提取  

摘要： 管道作为一种关键的运输手段,在石油和天然气等多个行业中有着广泛的应用。伴随着服役时间的增加以及运输介质的冲蚀下,会不可避免出现腐蚀损伤,在处理不及时的情况下会引起安全事故,造成重大的经济损失。因此,管道的完整性检测服务十分有必要。在检测过程中,厚度测量被视为一个关键的检测指标,在多个行业中都有着广泛的应用。电磁超声在检测过程中凭借其耐高温、应用范围广的特点广泛应用于厚度检测领域,但在检测过程中存在着回波转化效率以及信噪比低的问题,影响厚度特征的提取。因此,提取有效信号以获取精确厚度值也是一大难点。 针对电磁超声测厚数据厚度特征提取的问题,以及在提取过程中电磁超声回波信号数据量大和电磁超声测厚回波信号信噪比低致使渡越时间难以精确获取的问题,基于电磁超声检测原理、电磁超声测厚原理和超声回波信号处理方法等相关理论,本文提出了一种整数阶微分优化经验模态分解的I-EMD时间提取方法以提高测厚精度。基于能量衰减原理对信号本征模态分量进行分析处理,消除采样对经验模态分解产生的虚假模态,进而降低数据误差,并采用相邻模态Wasserstein距离增量极值分界筛选实现有用信号更新重构;采用一种快速微分运算修正信号幅值变化导致的峰值点偏移,实现渡越时间准确获取。搭建电磁超声检测实验平台,构件电磁超声检测系统。同时,为了使本文算法使用更为方便,利用MATLAB编程技术,创建了一个厚度特征提取的上位机界面,从而实现了电磁超声测厚系统的数据采集、处理以及厚度的展示功能。收集了不同标称厚度的铝材和钢材试件的电磁超声测厚实验数据,并采用了本文设计的算法与小波变换、变分模态分解等传统信号处理方法进行了对比和处理。 实验结果表明,经本文方法处理后,20mm厚度铝板的厚度测量误差只有0.32%,24mm厚钢板的厚度测量误差只有1.06%。与其它方法相比,经本文方法处理后计算的厚度值更加接近真实值。对管道试样进行进一步检测以检验本文算法,厚度结算误差只有0.22%,验证了其对于电磁超声厚度检测信号处理的有效性,为精确提取渡越时间实现高精度测厚提供了依据。

关键词： 原子发射光谱   火花放电发射光谱   激光诱导击穿光谱   基线拟合   谱峰识别  

摘要： 合金材料成分检测是机械设计与制造的核心基础之一,合金的成分检测方法分为化学分析法、电化学分析法和光谱分析法等。化学分析方法较为成熟,但耗时耗材。光谱分析法具备检测速度快、无需样品制备等显著优势。现代光谱分析包括火花放电发射光谱分析和激光诱导击穿光谱分析,后者是当今光谱分析的前沿。但是火花放电发射光谱分析的定量精度有进一步提高的要求,激光诱导击穿光谱分析还没有形成完整的技术体系。本文对不同激发光源的光谱特性进行分析,得到合理的光谱数据分析算法,以提高火花放电光谱分析的精度;建立激光诱导击穿光谱分析有效体系。主要工作内容如下: (1)研究火花光源与激光光源激发系统和光谱特性。对火花光源控制电路进行分析,研究火花放电过程中的电路参数(电容、电感和电阻)对放电电流的影响,构建了火花光源的系统框架;对激光光源的检测系统进行分析研究,构建了激光光源激发光谱系统。以铝合金样品为研究对象分别探究了火花光源和激光光源的时间及距离参数对光谱的影响,确定了火花光源与激光光源激发系统的最佳实验参数。基于锰元素建立两种光源特征光谱的定量分析模型,相关系数分别为99.90%和89.83%。 (2)针对获取的合金光谱存在背景基线问题,提出一种改进平滑迭代光谱信号基线拟合算法。该方法通过窗口选取区间中较小点进行插值,并通过平滑迭代逐渐降低初始基线中异常值点对基线的影响,对比平滑迭代前后各点斜率变化率判断基线中异常点的影响,直到迭代至异常点对基线的影响忽略不计,获得最终的基线。该算法对比无模型法等几种算法,在模拟光谱中该算法的拟合基线RSD为最小,值为8.25%,表明该算法具有较高的稳定性和平滑性;在实际光谱中,拟合镁合金标样光谱基线,以锌元素建立定量分析模型,该算法的相关性最大,值为99.85%,且预测均方根误差最小,值为0.5912。因此本文提出的基线校正方法能够得到光滑的基底信号,对合金的光谱背景有较好的抑制作用,为合金的光谱定量分析提供计算依据。 (3)针对合金光谱的特征谱峰定性定量分析,提出了一种连续小波系数多特征谱峰位置识别算法。用模拟光谱数据分析,研究了小波系数中脊线和谷线的变化规律,使用阈值和脊线、谷线跟踪法排除噪声,使用山脊和山谷来确定谱峰位置和区间。验证该算法在不同噪声水平下光谱的谱峰位置,在模拟光谱中实现了谱峰和区间的全部识别,且峰位误差均小于0.1nm。进一步,分别选取镁合金和铝合金进行光谱特征元素区间识别,通过对特征元素区间进行积分定量,建立了锌元素和锰元素的定量模型,实验结果表明:模型相关系数为99.89%和96.90%,该算法在原有锰元素的模型相关系数基础上提高了7.07%。该算法将为火花放电光谱和激光激发光谱的实际合金元素定量分析提供支持。 综上,本文研究不同激发光源的系统和光谱特性,提出了适合于火花放电光源和激光光源获得光谱的数据分析算法,提高了火花放电发射光谱合金成分的定量分析精度,建立了激光诱导击穿光谱合金成分分析算法,将为解决合金检测领域的实际工程问题提供有效的技术依据。

关键词： 物理化学实验   实验数据处理   创新能力   Mathstudio  

摘要： 通过4个实验案例探索Mathstudio软件在物理化学实验数据处理中的应用,详细展示其操作流程和数据处理能力。与传统方法相比,Mathstudio具备便携性、操作简便、误差低和效率高的特性,提升了数据处理质量和学生的学习积极性。实验结果显示,Mathstudio的计算精度与Python和Origin相近,在用户体验和移动设备兼容性方面表现更优。验证了Mathstudio在物理化学实验数据处理中的有效性,对学生创新能力和信息素养的提升起到推动作用。

关键词： 无人机航拍   地形测量   精度评估   数据处理   误差修正  

摘要： 本研究旨在评估无人机航拍在地形测量中的精度，并探讨其实用性。通过对不同环境条件下的实验数据进行分析，我们揭示了无人机航拍技术在地形测量中的潜力和局限性。研究结果显示，在适当的条件下，无人机航拍可以提供高质量、高精度的地形数据，但需注意数据处理和误差修正等关键因素，以确保测量结果的可靠性。我们的研究成果有助于深化对无人机在地形测量领域中应用的理解。

关键词： 电价预测   混合模型   数据处理  

摘要： 随着可再生能源越来越多的融入电网，准确的电价预测对于能源供应商有效分配其资产和能源消费者优化其能源投资组合至关重要。然而，电价是非平稳的、季节性强、价格剧烈波动，因此很难估计未来的趋势。目前，基于人工智能的混合模型在电价预测方面表现出了较好的预测稳定性能，并且已经成功地应用于电价预测领域。此外，有效的数据分解技术在提升电价预测方面还有很大的潜力。　　本文提出了两种电价预测混合模型，这些模型基于新的数据处理技术进行设计和构建。其一是利用当前已存在的算法，结合不同数据处理技术的优点提出了一种基于统计模型和数据预处理相结合的混合模型，其二是基于方差贡献率选择变分模态分解层数并结合样本熵选择更新参数的思想设计了一种改进的变分模态分解技术。通过对不同模型的比较以及各种评价指标进行实验和分析，本文主要研究了以下两个方面：　　(1)提出了一种将优化变分模式分解(OptimizedVariationalModeDecomposition，OVMD)，小波变换(WaveletTransform，WT)和樽海鞘群算法优化-极限学习机(SalpSwarmAlgorithm-ExtremeLearningMachine，SSA-ELM)相结合的混合模型，并将它命名为SEWNet。通过对OVMD方法的研究发现，它能够从方差贡献率的角度有效解决VMD方法中分解层K的选择问题。实验数据采用澳大利亚新南威尔士州、昆士兰州和维多利亚州的电力价格，验证该模型在电价预测中的预测性能和优越性。　　(2)提出了一种新的数据预处理技术，该方法结合方差贡献率选择变分模态分解层数并且利用样本熵选择更新参数的数据预处理技术，以提高电价预测的精度。首先，利用样本熵优化变分模态分解技术(SampleEntropyOptimizedVariationalModeDecomposition，SEOVMD)将原始的电价序列成功分解为多个模态分量。其次，利用Hurst指数确定所得到的分量的赫斯特值（HurstExponent，H），然后将其转换为宏观和微观级数。再将这些序列分别应用于可解释时间序列预测的神经基展开分析(NetworkBaseExpansionAnalysisForInterpretableTimeSeriesForecasting，N-BEATS)和密集卷积网络(Denseconvolutionalnetwork，DenseNet)中。最后，每个模态分量的误差序列通过使用ARIMA模型来预测。选择了澳大利亚塔斯马尼亚州的四组电价数据进行实验分析。实验结果显示，这种SEOVMD分解方法在电价预测的稳定性和准确性方面比其他方法更出色。

关键词： 冷冻电镜   数据处理   实时   自动化   颗粒挑选  

摘要： 冷冻电子显微镜技术(简称冷冻电镜),尤其是单颗粒分析法,已经成为获取生物大分子近原子分辨率三维结构的重要技术。然而,这一技术的数据收集过程往往耗时冗长,因为冷冻电镜照片的信噪比低,所以实现高分辨率的三维重构往往需要拍摄数以万计的照片。除了等待时间长,用户在数据收集过程中得到的反馈也很少,因为原始的电镜照片对比度较低,如果不经过一系列图像处理,肉眼几乎看不出任何信息。因此,在数据收集的过程中,对电镜照片进行同步的预处理,并将处理的结果实时地展示,将有助于用户分析电镜和样品的状态。例如,如果电镜出现误差,用户可以立刻调整电镜的设置;如果样品质量欠佳,用户可以考虑是继续收集更多的数据还是停止实验,准备另外一批质量更好的样品。这种及时的反馈能够让用户在数据收集的过程中就了解样品的状态和实验的进展,这将极大地提升数据收集的效率与质量。 本论文展示了一款名为“得息镜”的新软件,它在冷冻电镜的数据收集过程中实现了自动化的数据传输、自动处理和实时展示。其中数据传输功能保证数据收集的同时将数据同步地传输到用户的移动硬盘中,避免用户在数据收集结束后花费额外的时间进行数据转移。得息镜的数据预处理功能包含常见的冷冻电镜数据处理步骤:漂移修正、衬度传递函数估计、颗粒挑选、二维分类、分类打分和三维初始建模。这些预处理的结果将通过得息镜的图形界面实时地展示,有助于用户直观地了解样品的质量。得息镜还配备了一套实时的数据监控系统,当出现异常数据时,能够迅速地向用户发出提醒,以便用户及时地采取应对措施。该软件用户界面友好,易于上手,能够提供持续的数据筛选功能,并实时反馈数据质量和电镜状态。 在冷冻电镜的数据处理中,颗粒挑选一直是一个既耗时又费力的步骤。本论文还介绍了一款名为“EMage Picker”的“开箱即用式”颗粒挑选器,它基于卷积神经网络,以Cryo PPP数据为训练集,实现了对冷冻电镜单颗粒照片进行自动化的颗粒挑选。相比于传统算法(拉普拉斯高斯算法和模板匹配算法),EMage Picker能够智能地避开照片中的背景、边界和部分污染,显著地提高冷冻电镜颗粒挑选的效率,为科研工作者节省了大量宝贵的时间与精力。