一、基于构造类别代数的变异分析(论文文献综述)
刘贺琦[1](2021)在《电力大数据算法的选择与评估系统设计与实现》文中认为随着互联网和基于互联网的丰富应用的持续发展,人类进入大数据时代。顺应时代要求,电力行业积极利用电力大数据,提升行业价值。机器学习方法是合理利用电力大数据的重要工具。在机器学习应用的过程中,合适的特征工程依赖电力专业人员对业务数据的理解,合适的机器学习算法及超参数的选择则依赖数据科学家的经验,二者难以兼得,因此发挥电力大数据的价值仍存在困难,从业人员需要便捷的工具辅助机器学习算法在行业数据中的应用。为解决上述问题,本文关注电力大数据场景,研究并实现机器学习模型评估与选择方法,面向分类和回归等两种监督式机器学习任务,提供机器学习管道的构建功能,此外提供简单的数据分析处理能力,辅助数据科学工作者进行模型搭建和选择。进一步地,为方便上述算法在实际中的应用,本文构造电力大数据算法的选择与评估系统,它是智能化机器学习选择与评估平台。系统封装电力大数据算法选择与评估算法,非计算机工作者可以通过简单的点击,使用系统构造良好的机器学习算法配置,独立进行数据挖掘;同时让数据科学工作者能够应用系统快速进行数据分析,构建较好的基线模型,还可以通过个性化的配置构建满足特殊要求的算法。本文通过设计电力大数据核心算法评估标准,筛选出电力大数据核心算法,随后研究设计了电力大数据机器学习算法评估方法和电力大数据机器学习算法配置选择方法,前者解决如何评价机器学习配置在特定数据集上的效果问题,后者接收前者的反馈,在寻优空间范围内选择高潜力的机器学习配置,二者结合完成自动化的电力大数据机器学习算法配置优化功能。通过测试,上述方法有着良好的运行效果和运行效率,并在系统中稳定运行,具备一定的实用价值。本系统在软件工程的原则指导下进行设计和开发。首先对课题研究背景和意义进行了介绍,在分析业务研究现状和研究了相关技术的基础上,明确文章的研究重点。随后分析典型的业务场景,设计典型用例,发掘系统的功能性需求与非功能性需求。随后针对系统中需要解决的核心问题,提出解决方案。然后进行系统的总体设计和详细设计,设计了系统架构,明确模块以及子模块的功能和交互关系,并通过UML类图与交互图的方式进行详细介绍。最后按照需求分析中阐明的需求对系统进行测试,证明系统的有效性。最后对平台的部署与测试进行了说明,并对论文工作进行了简要的总结与展望。
杜益宁[2](2020)在《基于单线代数规约的微服务测试预言技术研究》文中进行了进一步梳理随着微服务架构的广泛应用,微服务质量得到了越来越多的关注,以规约为基础的软件测试技术是保证服务质量的一种有效途径。作为一种高度抽象、独立于实现细节的形式化规约技术,代数规约通过构造等式公理在一定程度上缓解了测试预言问题,但微服务复杂的依赖关系以及响应结果的动态性给测试预言带来了一定的挑战。本文提出一种基于单线代数规约的微服务测试预言技术,一方面基于蜕变关系构造公理的原子模式和组合模式生成服务的测试预言,有效地解决了微服务复杂依赖关系带来的问题。另一方面在单线测试序列执行过程中加入服务自适应调度策略和有序树比较机制,从而较好地应对服务响应结果的动态性所带来的挑战。本文主要包括以下三个方面的研究工作:1.为更好地描述待测微服务特性,通过分析微服务响应结果间的关系,本文结合蜕变测试技术给出等价、相等、子集、并集和交集五种原子模式及组合模式,在此基础上提出基于蜕变关系模式的测试预言构造步骤。2.为提高单线测试序列执行成功率、解决微服务响应数据难以比较的问题,本文提出微服务测试预言执行框架,在单线测试序列转换为服务调用操作序列的基础上,测试执行过程中增加自适应调度机制应对复杂的网络状态,并将微服务响应结果转换为有序树从而实现复杂数据的比较。3.对原有基于代数规约的服务测试平台进行优化,设计和实现了微服务测试平台,在新的测试平台上针对数组服务Array和在线医疗系统OMS进行案例分析,并与已有技术进行比较。实验结果表明本文所提技术能提高测试序列执行的成功率和效率,有效检测出微服务系统中的缺陷,从而改进微服务系统的软件质量。
黄笑犬[3](2020)在《基于传感器优化布置与集成学习的大跨桥梁损伤识别研究》文中指出桥梁在长期服役中,结构由于环境腐蚀、车辆超载及交通流量增加等因素影响,可能发生一定的损伤累积,如不能及时发现和修复将影响其正常运营功能,因此,建立桥梁健康监测系统,及时对结构状态进行安全评估变得尤为重要。其中,用于数据采集的传感器子系统及数据分析的损伤识别预警系统是健康监测的核心组成部分,然而对于健康监测在线实时产生大规模数据的大跨径桥梁而言,利用有限数量传感器的监测数据进行深度挖掘结构损伤信息的研究甚少。为了尽可能地获取桥梁整体的健康状况信息,如何优化传感器数量和位置并且利用有限数量传感器采集的海量监测数据进行桥梁健康状况的判断与评估仍是一直以来的热点与难点。本文以内蒙古乌海黄河特大桥主桥—矮塔斜拉桥为依托工程,主要围绕大跨桥梁健康监测传感器优化布置与集成学习的损伤识别方法展开研究,主要研究工作如下:(1)针对传感器优化布置问题,提出了一套适用于解决大跨桥梁传感器布置中自由度数目庞大、目标函数解域指数爆炸、极值集中问题的新型优化算法-自适应退火混沌遗传算法,并利用两组基准函数极值优化和经典TSP组合优化问题对该算法进行了有效性测试。(2)建立矮塔斜拉桥有限元模型并进行动力模态分析,依据位移模态特征,利用新型优化算法对主梁加速度传感器数目和位置进行优化,提出了具体的主梁传感器布置方案;为了便于实际工程应用,结合依托工程的算法参数灵敏度分析,利用MATLAB开发了适用于大跨桥梁的加速度传感器优化布置软件。(3)对矮塔斜拉桥主梁划分为若干子区域,并通过刚度折减模拟不同程度损伤的发生,以移动车辆荷载为桥梁外部激励荷载建立移动车辆荷载模型,利用布置传感器数据构造损伤指标并分析其有效性,进而建立损伤样本集。(4)引入机器学习领域较为主流的集成学习算法(如随机森林、XGBoost等),探究了集成学习在损伤识别上的研究思路,提出了一套基于多传感器特征与集成学习的大跨桥梁损伤识别方法,并应用于矮塔斜拉桥的损伤区域识别。研究结果表明,本文所提出的新型优化算法相比传统遗传算法具有较好的全局寻优特性、快速的收敛特性和较高的稳健性,能够较好地解决大跨桥梁传感器优化布置问题;利用优化布置传感器监测数据构造的小波包能量指标具有较强的敏感性,由此确立了多传感器特征向量作为损伤区域识别的融合特征指标;结合多传感器特征与集成学习算法对依托工程的全桥子区域进行损伤定位并获得了80%以上的识别准确率,识别效果较优,在大跨桥梁健康监测系统在线实时监测和损伤预警上具有良好的应用前景,而集成学习方法较为新颖,仍需进一步探究其在损伤识别领域的应用。
张翠[4](2019)在《基于监督性学习的LTE自适应传输关键技术研究》文中进行了进一步梳理自适应调制编码(Adaptive Modulation And Coding,AMC)基于信道状态信息来调整无线链路传输参数,进而确保链路的传输质量。长期演进(Long Term Evolution,LTE)系统是AMC的典型应用场景之一。针对传统AMC会由于信道和噪声估计偏差导致性能迅速恶化的问题,论文分析了两种偏差对自适应策略的影响,在此基础上研究了以贝叶斯网络、K-邻近算法、遗传算法和后向传播神经网络为代表的离线监督性学习算法和以在线贝叶斯网络为代表的在线监督性学习算法两类技术,旨在提升AMC的性能,使之更趋近理想信道估计下的传输性能。论文首先研究了LTE系统自适应传输关键技术,仿真了高斯信道下信干噪比(Signal to Interference plus Noise Ratio,SINR)和误块率之间关系曲线,基于等效信噪比概念将其推广到瑞利信道下,继而实现信道质量指示(Channel Quality Indicator,CQI)测量;论文分析并比较了最小二乘(Least Square,LS)和最小均方误差(Minimum Mean Square Error,MMSE)两种信道估计算法,选择准确度更高的MMSE算法进行后续仿真分析;论文仿真并对比了基于导频和空子载波的SINR测量方法,选择了基于导频的SINR测量方法。论文研究了基于离线监督性学习的自适应优化策略,主要内容及数字仿真结果如下:●论文研究了基于贝叶斯网络的自适应传输策略,通过推导和仿真分析对比贝叶斯网络和多实体贝叶斯网络的处理流程和学习方法。分析发现在网络节点规模较小时,贝叶斯网络的计算复杂度较低。数字仿真表明,基于贝叶斯网络的传输策略优于传统查表法,并能贴近理想信道估计下的系统性能。论文研究了训练样本集的完备性对系统性能的影响,设计了基于完备和非完备数据集的学习方法,数字仿真结果表明同样训练样本数下,数据完备性越好,算法预测性能越准确。●论文研究了基于K-邻近算法的自适应传输策略,分析了关键参数:K值、距离度量方法以及特征向量对算法性能的影响。论文通过κ折交叉验证法和CQI预测误差获取并验证平均预测正确率最高的K值。论文对欧式距离、曼哈顿距离等四种距离度量方法下的复杂度和性能进行了分析,仿真验证其CQI预测性能,并选取复杂度和性能相对折中的欧式距离作为K-邻近算法的距离度量方法。论文对比了用真实值和估计值两种信道系数作为特征向量时的性能差距,结果表明使用信道估计系数作为特征向量进行训练时,分类判别更准确,性能也相对更好。●论文研究了基于遗传算法的自适应传输策略,对初始种群数目、交叉概率、变异概率以及适应度函数等特征参数进行了性能比较和仿真分析。论文使用平均收敛代数和收敛概率作为指标衡量每种特征参数对决策性能的影响,以交叉概率为例,仿真结果表明随着交叉概率的增大,平均收敛代数先减小后增大,而收敛概率先增大后减小,需要折中选择。论文对基于遗传算法的AMC性能与基于理想信道估计下的AMC进行了仿真对比,结果表明由于遗传算法并未考虑到信道估计和噪声估计偏差的影响,且算法本身容易陷入局部最优,影响性能因素较多,相比于其他监督性算法性能较差。●论文研究了基于后向传播神经网络的自适应传输策略,分析其建模过程和误差反向传播算法,重点研究关键参数隐含层节点数。节点数过少,模型拟合能力较差;节点数过多,导致模型过拟合,两种情况下预测误差都会较大。论文通过κ折交叉验证分析不同隐含层节点数量下的模型平均预测误差,仿真结果表明当节点数在19~29范围内均可以满足系统预测误差要求。论文对基于后向传播神经网络与基于理想信道估计的AMC性能进行仿真对比,结果表明二者性能接近。论文研究了基于在线监督性学习的自适应传输策略,考虑到实际系统获取训练样本的困难性以及非完备性,论文研究了贝叶斯网络在线参数学习过程。从先验概率未知和少量训练样本两个层次出发,结合学习速率的影响,对在线参数学习算法的概率收敛性进行了数字仿真分析,仿真结果显示学习速率越大,算法波动性越强但收敛越快;学习速率越小则性能相反。论文仿真了基于速率自适应的概率收敛性,结果表明速率自适应既可以保证收敛速度,也降低了性能波动。论文在数据缺失状态下对算法的收敛性进行了仿真对比,结果显示在同样学习次数下,基于完备数据的在线参数学习的性能贴近离线监督性学习性能,而非完备数据下数据缺失率越低,性能越好,验证了贝叶斯网络在线参数学习算法的可行性。论文最后总结陈述了全文的研究成果,并指出后续的研究方向。
吴修君[5](2019)在《基于组合核GA-SVM的恶意软件检测方法研究》文中提出软件安全问题无论对于个人还是企业都至关重要,在Windows操作系统下的软件安全问题尤为严重。传统的基于静态检测与动态检测的恶意软件检测方法难以适应不断变种的恶意软件,机器学习的方法逐渐被应用到恶意软件检测上。迄今为止,常见的检测步骤为:先对恶意软件进行操作码特征的提取,再使用随机森林或SVM等方法对数据进行分类。目前的检测方法,一方面对于如何选取恶意软件特征集没有定论,另一方面对于恶意软件检测的准确度也有待提升。本文主要研究基于组合核的GA-SVM方法在恶意软件检测问题上的改进,主要工作如下:(1)对恶意软件基于N-Gram进行操作码文本特征提取,对于二进制文件先转换成灰度图像,再进行Gist特征提取。将两者提取出的特征组合完成后,使用GA-SVM方法进行特征降维与参数优化。(2)针对传统GA-SVM方法适应度值过早收敛或无法收敛的情况,提出了一种新的概率模型用于交叉概率与变异概率的计算。新的概率模型使用遗传代数与适应度值动态定义了交叉概率与变异概率。解决了种群进化初期个体进化缓慢,后期突变个体过多的问题。实验表明以新的概率公式为依据选取交叉概率与变异概率,能有效平衡种群个体进化的多样性与收敛性问题。(3)针对恶意软件检测方法中SVM分类器使用单RBF核检测效果差的问题,构造了组合核函数。单一RBF核函数下进行恶意软件检测效果不好,使用RBF核,Poly核与Sigmoid核三者进行组合,使用组合核提升了恶意软件的检测准确度。实验结果显示,本文的基于组合核的GA-SVM方法在微软的MMCC(Microsoft Malware Classification Challenge)数据集上相比于传统的单核SVM在精准率,召回率以及F1值上分别提高了1.78%,1.62%,1.81%,说明本文的基于组合核的GA-SVM方法在恶意软件的检测中具有良好的效果。
关晓颖[6](2019)在《航空发动机诊断与参数辨识多群体协同遗传算法研究》文中研究说明随着科学和工程技术迅速发展,系统和设备的复杂性越来越大,对设备的故障机理、故障模式分析也越来越复杂,迫切需要大力发展智能故障诊断技术,能够从收集到的信息中进行学习,自主分析及挖掘出有利于诊断的信息,实现智能诊断。我国航空发动机的自主研发,对建模、参数辨识、健康管理等技术也提出了智能化的要求。本文将计算智能和机器学习等人工智能方法应用到航空发动机领域,结合这个领域的实际背景及需求,围绕多群体遗传算法及其在航空发动机领域具有更好更广的适用性展开研究,包括遗传算法的改进、多群体遗传算法的迁移策略、特征模式的挖掘和自适应参数域调整等,主要内容如下:(1)提出用于特征选择的多群体多准则差分遗传算法。首先,提出差分遗传算法,以简单遗传算法为基础,结合Relief F算法、类间距离与类内距离、频繁组合等多准则、以及差分策略设计遗传算子,实现对遗传算法的改进,克服简单遗传算法的早熟现象,并有利于选出适应度高且具有重要特征的个体;其次,采用多群体共同执行特征选择,设定进化到一定的代数后,各群体交流当前的最优个体,并从中挖掘出有效的特征模式,各群体共享这个特征模式,实现各群体可靠优良模式的传播。最后,通过仿真实例和UCI数据集对算法进行验证,并且与其他算法从收敛速度、种群均值、解的可靠性和稳定性进行比较,验证算法的有效性及优势。(2)提出自适应参数域多群体协同优化遗传算法。首先,对简单遗传算法的变异算子进行改进,采用了差分变异和均匀变异相结合的方法,实现区间外探索和区间内开发,具有求泛和求精的能力;其次,采用多群体协同并定期交流挖掘出包含高质量解的区域,设计自适应调整参数域方法,实现参数域的动态调整,由于参数取值区间不断在变化,将大大提高算法的效率。变异算子的改进及结合多群体,有助于解决当参数正确值不包含在给定的初始取值区间内,导致找不到正确值的问题,从而降低了对参数初始取值区间的准确度要求;最后,采用8个标准函数(高维的单峰函数和多峰函数)对算法的性能进行验证。通过观察算法运行过程中参数区间的自适应调整过程,验证参数域自适应调整思路的正确性;并与其他算法在最优解、平均值、标准差和收敛速度等方面的比较,验证算法的优越性。(3)针对航空发动机滚动轴承故障信号的多维特征选择展开研究。航空发动机故障诊断首先面临大量故障特征,特征的冗余性和互斥性对于故障诊断的精度具有很大的影响,因此,如何提取和选择重要的“纯”特征子集对于提高故障诊断的精度和效率具有重要意义。本文将多群体多准则差分遗传算法应用于航空发动机滚动轴承故障特征选择,除了各群体的阶段性成果中挖掘有效的特征模式外,还处理特征模式中存在的极强相关性,从而获得更“纯”的特征模式传递给后代,指导后代向更优的方向进化,并且使得最终找到具有高分类准确率的特征子集,同时该特征子集特征间的差异大。最后,采用航空发动机滚动轴承故障模拟实验获得故障的样本集,验证算法的有效性。(4)航空发动机动力学参数辨识是建立准确的动力学模型的基础,参数辨识的准确度对模型计算精度有很大的影响。然而,在实际的工程应用中,参数的取值区间不太容易准确定义,很多情况下会根据经验来给出。为了减小取值区间准确度对参数辨识结果的影响,本文将自适应参数域多群体协同优化遗传算法应用于航空发动机动力学模型参数辨识技术,在考虑参数初始取值区间不确定的情况下,研究振动模态参数辨识和转子系统连接刚度识别问题,并用试验和仿真数据对新方法的辨识结果进行了验证和分析,验证算法在工程应用中的效果。
范海涛[7](2016)在《含丢层复合材料结构铺层优化方法研究》文中研究表明纤维增强复合材料是一种高比刚度高比强度且可剪裁设计的材料,日益广泛地应用于航空航天、新能源、交通运输和运动器材等领域。纤维增强复合材料经过合理设计后能够显着地提高结构效率和降低制造成本。复合材料结构设计中通常将铺层方向、铺层顺序以及铺层厚度作为设计参数,根据设计原则考虑对称铺层、均衡铺层等约束条件,并综合考虑或考核结构重量、制造成本、结构强度和稳定性等指标。由于复合材料结构铺层设计中存在的离散性、设计空间极大以及丢层等问题,已有的复合材料结构铺层设计优化方法往往难以快速稳定地搜寻到最优铺层方案,因此有必要在已有研究的基础上,展开复合材料结构铺层优化方法研究。本文回顾了近几十年来国内外研究者在复合材料层压板和含丢层复合材料结构铺层优化以及复合材料结构性能预测研究方面的现状和已取得的一些重要结果,对目前该领域存在的问题进行了深入分析,并对复合材料层压板、含丢层复合材料层压板结构以及含丢层复合材料夹层结构进行了铺层优化方法研究。本文主要研究内容包括:(1)复合材料层压板铺层优化方法研究。在遗传算法框架内,为复合材料层压板的铺层构建了全新的染色体编码方式,使其能够通过自身架构施加奇数和偶数对称性约束以及更为合理地施加均衡性约束。同时,为了在保持进化过程中的多样性,针对新的染色体架构设计了排列因子变异、铺层数变异、铺层类型变异、铺层位置置换和交叉等五种遗传算子。最后通过多种工况下复合材料层压板的铺层优化算例对提出的优化方法进行了验证。该方法避免了已有方法中的设计空间被人为缩减或优化结果需人工修正等缺点,染色体和遗传算子的合理设计使得优化过程具备了良好的收敛性,计算成本均在可接受范围内,更为重要的是,与前人研究相比,得到了更轻或重量相当的铺层方案,与已有方法相比具有更加全面的铺层方案搜索能力。(2)含丢层复合材料层压板结构全局铺层优化方法研究。为了能够在含丢层复合材料层压板结构优化过程中对设计空间进行全面的探索,研究了两个复合材料层压板之间可连接性的必要条件。根据分析得到的可连接性条件,构建了全新的染色体,即铺层组分染色体和铺层排列染色体,使其通过自身架构在含丢层复合材料层压板结构的铺层优化过程中隐性地施加铺层连续性约束。为了在保持进化过程中的多样性的同时持续地满足各个子结构间的可连接性条件,针对新的染色体架构对变异、置换和交叉等3种遗传算子进行了具体设计。最后通过长条形复合材料层压板结构和U形复合材料层压板结构的全局铺层优化算例对提出的优化方法进行了验证,发现该优化方法得到的最优含丢层结构的重量与层压板独立优化得到的总重十分接近,充分说明该优化方法在含丢层复合材料层压板结构的铺层优化中具有较强的铺层方案搜索能力,同时,在对称铺层和对称均衡铺层情况下,该优化方法的计算成本均在可接受范围内,更为重要的是,与前人研究相比该方法能够十分稳定地得到更优的铺层设计方案。(3)含丢层复合材料夹层结构全局铺层优化方法研究。探索了含丢层复合材料夹层结构铺层优化问题中存在的特殊性。针对其特殊性在含丢层复合材料层压板结构全局铺层优化方法的基础上加入了铺层厚度染色体,采用铺层组分染色体、铺层排列染色体和铺层厚度染色体对含丢层复合材料夹层结构的全局铺层进行编码,并对各个染色体的基因取值范围以及遗传算子进行具体设计或改进,使其通过自身染色体架构和遗传操作在含丢层复合材料夹层结构的铺层优化过程中尽可能地不缩减设计空间。最后通过阶梯形复合材料夹层结构和U形复合材料夹层结构的全局铺层优化算例对提出的优化方法进行了验证,在计算成本在可接受范围内的同时,能够十分稳定地得到满足各项约束的铺层设计方案,从而证明了该优化方法的计算效率和计算稳定性。与初始的铺层方案相比,优化后的全局铺层方案能够大幅降低含丢层复合材料夹层结构的重量。同时,U形复合材料夹层结构的全局铺层优化算例表明,在稳定性约束下,轻质夹芯的加入能够明显降低含丢层复合材料结构优化得到的总质量,在夹芯厚度不连续的情况下,这种优势变得更加明显。(4)基于试验的复合材料结构性能预测和铺层优化方法研究。将复合材料结构性能预测问题转化为复合材料结构安全状态分类问题,更加充分地利用现有知识和经验对有限数据进行挖掘。并以概率神经网络为核心,借助其概率性原理避免在试验数据拟合中的过拟合问题。基于三组试验数据对复合材料开孔板的拉伸强度进行了预测。与试验数据中本身存在的变异性相比,该方法的预测误差在可接受范围内。基于试验的复合材料结构铺层优化方法以概率神经网络复合材料结构性能预测模型和改进的遗传算法为核心。借助少量试验结果和丢层优化设计,该方法显着地减轻了开孔复合材料层压板的重量。
章志燮,周颢,赵保华[8](2009)在《面向变异分析的协议安全测试方法》文中认为在基于构造类别代数的协议描述上引入变异分析方法,由此提出了一种基于错误模型的协议安全测试方法.通过设计针对构造类别代数的变异算子,限制了协议中的错误集合;应用变异算子生成变异体集合,并消除其中的等价变异体;基于变异体构造安全测试例.同比研究表明,采用基于错误模型的变异分析方法,可以有效解决协议安全测试中忽视协议数据流处理过程、错误集合无限和缺少结果判断机制等问题,限定协议可能存在的错误集合,有利于测试的量化和评估,能够更有针对性地进行测试例构造和测试结果判断,提高测试能力.
梁松[9](2010)在《城市规划动态监管卫星遥感关键技术研究》文中提出近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
章志燮[10](2009)在《基于构造类别代数的协议安全测试研究》文中认为随着通信协议的日益复杂,以及针对协议漏洞的攻击手段和技术的不断发展,因协议出错而引起的网络异常甚至崩溃现象层出不穷,危害了整个网络的信息安全。协议测试是协议工程的重要组成部分,是保证协议正常运行的关键技术。传统协议测试方法以一致性测试为代表,主要关注于协议的功能性,无法保证协议实现的安全性,因此需要进行协议安全测试的研究。协议存在的安全漏洞可以分为两类,一类是协议设计错误,例如导致使用者可以通过非法手段获取到不合法的权限。另一类是协议实现错误,由于通信协议是软件的一种,其实现过程不可避免的引入错误。本文中主要研究针对协议实现错误的安全测试理论和方法。现有针对协议安全测试的研究大都基于传统形式化模型如有限状态机等,采用随机或手动方法生成安全测试用例,通过观察待测协议实现在测试过程中是否崩溃来检测协议错误。现有方法中存在以下不足之处:首先,安全测试大都针对协议的数据流,而传统形式化模型描述协议数据流能力有限,不能满足安全测试的需求。其次,协议实现中可能存在的错误集合是无穷的,现有方法无法分析和评估测试的覆盖率。最后,协议崩溃只是协议错误可能导致的结果之一,现有方法更接近于鲁棒性测试,检错能力有限。本文中对基于构造类别代数的协议安全测试理论和方法进行了研究,主要工作集中在以下几个方面:1)提出了扩展的构造类别代数模型构造类别代数是代数规范的一个扩充,适用于描述协议的数据流。本文对构造类别代数的基本定义进行了扩展:首先增加了对协议控制流状态的描述,并将其同内部环境变量结合,给出了协议状态的定义。而后根据协议测试过程中报文的不同流向,重新定义了可控制和可观察操作,给出了可控制函数的一般形式。最后,对公理形式进行了扩展,增强其描述协议行为的能力。扩展后的模型具有同EFSM相同的控制流描述能力,但数据流描述能力更强,可用于协议安全测试的研究。2)提出了基于变异分析的协议安全测试方法变异分析是基于错误模型的测试方法,将其应用于基于构造类别代数的协议规范中,可以得到一系列规范的变异体,每个变异体对应于一类协议实现可能存在的错误。通过设计变异算子,可以限制协议实现中可能错误的规模,此外可以更有针对性构造测试用例,有效解决现有研究中存在的问题。本文对变异分析在构造类别代数中的应用进行了研究。首先设计了几类针对构造类别代数的变异算子,分析了应用算子以生成变异体的过程。而后分析了产生等价变异体的原因,给出了一个基于公理优先级动态递推,生成非等价变异体及其对应变异单元集合的算法。3)提出了协议安全测试序列生成方法本文中研究了基于变异体生成协议安全测试序列的方法,由于构造类别代数中同时描述了协议的控制流和数据流,因此在生成协议安全测试序列的过程中,需要同时考虑到控制流状态的可达性和数据流状态的可执行性。本文中分析了变异单元同安全测试序列的关系,先后给出了基于公理代入和逆向推导,以及基于可执行树正向推导安全测试序列生成方法。最后提出了一个结合主动和被动测试的协议安全测试序列生成方法,实验证明该方法可以有效减少协议测试序列的总长度,降低测试代价。4)设计并实现了分布式协议测试系统本文中设计并实现了一个分布式的协议安全测试系统,包括了一个主控中心和多个代理节点。系统基于底层支撑库的支持,将协议测试过程描述为对应的测试用例,并通过协调主控中心和分布式代理节点的行为,提供了对协议自动化测试的支持。该系统可用于协议的一致性测试和安全测试的研究中,大大提高测试用例开发和执行的效率。
二、基于构造类别代数的变异分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于构造类别代数的变异分析(论文提纲范文)
(1)电力大数据算法的选择与评估系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及其意义 |
1.2 国内外研究现状 |
1.3 论文主要工作 |
1.4 论文组织与结构 |
第二章 相关技术简介 |
2.1 指标体系构建技术 |
2.2 监督式自动机器学习技术 |
2.2.1 自动机器学习典型结构与常用技术 |
2.2.2 遗传编程 |
2.2.3 贝叶斯优化 |
第三章 需求分析 |
3.1 系统概述 |
3.2 典型业务场景分析 |
3.3 功能性需求分析 |
3.3.1 机器学习管道寻优 |
3.3.2 定制化扩展 |
3.3.3 数据集处理 |
3.4 本章小结 |
第四章 关键问题研究及解决方案 |
4.1 电力大数据核心算法指标体系与评估 |
4.1.1 指标体系与详细指标说明 |
4.1.2 核心算法指标评估 |
4.2 监督式机器学习算法评估与选择问题定义 |
4.3 电力大数据机器学习算法配置评估方法 |
4.3.1 机器学习算法评估标准 |
4.3.2 机器学习算法评估方案 |
4.4 电力大数据机器学习算法配置选择方法 |
4.4.1 基于遗传算法和贝叶斯优化的算法配置选择方法设计 |
4.4.2 实验设计与评估结果 |
4.5 电力大数据场景应用实验 |
4.6 本章小结 |
第五章 总体设计 |
5.1 系统总体架构 |
5.2 关键功能模块介绍 |
5.2.1 用户视图层 |
5.2.2 任务管理模块 |
5.2.3 服务管理模块 |
5.2.4 模型管理模块 |
5.2.5 配置管理模块 |
5.2.6 数据访问层 |
5.3 基本工作流程 |
5.3.1 模型寻优流程 |
5.3.2 模型导出流程 |
5.3.3 数据分析流程 |
5.4 本章小结 |
第六章 详细设计 |
6.1 任务管理详细设计 |
6.1.1 类图及接口说明 |
6.1.2 典型场景说明 |
6.2 服务管理详细设计 |
6.2.1 类图及接口说明 |
6.2.2 典型场景说明 |
6.3 模型管理详细设计 |
6.3.1 类图及接口说明 |
6.3.2 典型场景说明 |
6.4 本章小结 |
第七章 系统部署与测试 |
7.1 测试环境部署 |
7.2 系统测试 |
7.2.1 系统前端界面 |
7.2.2 系统功能测试 |
7.3 本章小结 |
第八章 总结与展望 |
8.1 论文工作总结 |
8.2 研究展望 |
参考文献 |
致谢 |
(2)基于单线代数规约的微服务测试预言技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 微服务测试 |
1.2.2 蜕变测试 |
1.2.3 代数规约测试 |
1.3 研究内容 |
1.4 论文结构 |
2 基于蜕变关系的测试预言生成 |
2.1 代数规约语言 |
2.2 蜕变关系模式 |
2.2.1 原子模式 |
2.2.2 组合模式 |
2.3 测试预言生成 |
2.4 本章小结 |
3 微服务测试预言执行框架 |
3.1 整体架构 |
3.2 单线测试序列解析 |
3.1.1 测试执行规约的构造与验证 |
3.1.2 待测操作序列的构造 |
3.3 测试驱动执行 |
3.3.1 微服务调用 |
3.3.2 自适应调度策略 |
3.4 复杂数据比较 |
3.4.1 Json有序树 |
3.4.2 有序树比较算法 |
3.5 本章小结 |
4 微服务测试平台的设计与实现 |
4.1 平台设计 |
4.1.1 平台架构 |
4.1.2 模块设计 |
4.2 模块实现 |
4.2.1 规约管理服务 |
4.2.2 测试执行模块 |
4.2.3 平台管理模块 |
4.3 本章小结 |
5 案例研究 |
5.1 案例研究一:Array服务 |
5.1.1 实验过程 |
5.1.2 结果分析 |
5.2 案例研究二:在线诊疗系统 |
5.2.1 实验过程 |
5.2.2 结果分析 |
5.3 本章小结 |
6 总结和展望 |
致谢 |
参考文献 |
附录 |
(3)基于传感器优化布置与集成学习的大跨桥梁损伤识别研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 健康监测研究现状 |
1.2.2 传感器优化布置研究现状 |
1.2.3 结构损伤识别研究现状 |
1.3 拟解决的问题 |
1.3.1 存在的不足 |
1.3.2 拟解决的问题 |
1.4 本文的研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第2章 大跨桥梁传感器优化布置算法设计 |
2.1 智能优化算法简介 |
2.1.1 遗传算法 |
2.1.2 模拟退火算法 |
2.1.3 混沌算法 |
2.2 结合退火策略和混沌遗传的新型组合优化算法 |
2.3 本文对CGASA算法的改进 |
2.3.1 适应度函数改进 |
2.3.2 自适应概率调整机制改进 |
2.3.3 模拟退火策略改进 |
2.4 CGASA算法的基准函数和TSP问题测试 |
2.4.1 Schaffer函数 |
2.4.2 Rosenbrock函数 |
2.4.3 TSP问题 |
2.5 基于传感器优化布置的CGASA算法设计与运算步骤 |
2.5.1 传感器优化布置问题 |
2.5.2 编码方式的选择 |
2.5.3 选择和最佳保留策略 |
2.5.4 部分匹配交叉和逆位变异策略 |
2.5.5 混沌空间构造策略 |
2.5.6 传感器优化布置流程与步骤 |
2.6 本章小节 |
第3章 CGASA算法在传感器优化布置上的应用 |
3.1 不完备模态信息下的传感器优化布置理论 |
3.1.1 传感器优化布置数学模型 |
3.1.2 模态分析基本理论 |
3.1.3 加速度传感器优化布置准则 |
3.2 矮塔斜拉桥有限元模态分析 |
3.2.1 依托工程背景 |
3.2.2 有限元模型 |
3.2.3 模态分析与数据提取 |
3.3 矮塔斜拉桥传感器数目和位置的优化 |
3.3.1 传感器数目和位置的优化计算 |
3.3.2 依托实际工程的CGASA算法参数灵敏度分析 |
3.3.3 算法有效性比较 |
3.4 基于MATLAB的传感器优化布置软件设计 |
3.4.1 图形用户界面GUI |
3.4.2 软件用途说明 |
3.4.3 数据分布架构和处理逻辑 |
3.4.4 主要窗口和功能模块 |
3.5 本章小节 |
第4章 基于多传感器特征向量的损伤识别方法 |
4.1 移动车辆荷载模拟及损伤工况建立 |
4.1.1 移动车辆荷载模拟 |
4.1.2 传感器优化布置测点确定 |
4.1.3 损伤工况及损伤样本集构造 |
4.1.4 桥梁结构动力响应分析 |
4.2 小波包分析的动力信号特征提取方法 |
4.2.1 小波包分析理论 |
4.2.2 常用小波基函数及其性质 |
4.2.3 最优小波基函数和分解层次的选取 |
4.3 多传感器特征向量的损伤识别指标确定 |
4.3.1 基于小波包能量的损伤指标构造 |
4.3.2 基于动力响应信息的小波包能量分解 |
4.3.3 基于小波包指标的损伤预警分析 |
4.3.4 基于多传感器特征向量的损伤识别方法 |
4.4 本章小节 |
第5章 基于多传感器特征与集成学习的损伤区域识别研究 |
5.1 基于集成学习的损伤识别方法 |
5.1.1 机器学习简述 |
5.1.2 集成学习方法 |
5.1.3 基于集成学习的损伤区域识别流程 |
5.2 基于随机森林-bagging集成学习方法的损伤区域识别 |
5.2.1 决策树算法 |
5.2.2 随机森林算法简述 |
5.2.3 随机森林参数说明与优化 |
5.2.4 损伤区域识别结果及分析 |
5.3 基于XGBoost-boosting集成学习方法的损伤区域识别 |
5.3.1 XGBoost算法 |
5.3.2 XGBoost算法参数说明与优化 |
5.3.3 损伤区域识别结果及分析 |
5.4 不同集成学习算法识别结果比较 |
5.5 本章小节 |
第6章 结论与展望 |
6.1 主要结论 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间的研究成果 |
攻读硕士学位期间参加的项目 |
(4)基于监督性学习的LTE自适应传输关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文的研究背景及意义 |
1.1.1 LTE系统AMC技术 |
1.1.2 监督性学习算法 |
1.1.3 国内外研究现状及发展态势 |
1.2 论文的主要研究内容和创新 |
1.3 论文的结构与内容安排 |
第二章 LTE系统的自适应传输关键技术 |
2.1 AMC链路技术原理 |
2.1.1 LTE系统AMC技术基本理论及系统模型 |
2.1.2 CQI测量技术 |
2.2 信道估计技术 |
2.2.1 LS信道估计算法 |
2.2.2 MMSE信道估计算法 |
2.3 SINR测量技术 |
2.3.1 基于空子载波的SINR测量 |
2.3.2 基于导频的SINR测量 |
2.3.3 SINR测量算法数字仿真与分析 |
2.4 LTE传统自适应技术的性能仿真 |
2.5 本章小结 |
第三章 基于离线监督性学习的LTE系统AMC技术 |
3.1 基于BN的AMC技术 |
3.1.1 BN概述 |
3.1.2 MEBN概述 |
3.1.3 基于MEBN的自适应调制技术 |
3.1.4 基于BN的AMC技术 |
3.1.5 数字仿真结果及分析 |
3.2 基于KNN算法的AMC技术 |
3.2.1 KNN算法概述 |
3.2.2 基于KNN算法的AMC建模 |
3.2.3 数字仿真结果及分析 |
3.3 基于遗传算法的AMC技术 |
3.3.1 遗传算法概述 |
3.3.2 基于遗传算法的AMC建模 |
3.3.3 数字仿真结果及分析 |
3.4 基于BP神经网络的AMC技术 |
3.4.1 BP神经网络概述 |
3.4.2 基于BP神经网络的AMC建模 |
3.4.3 数字仿真结果及分析 |
3.5 四种分类识别算法综合仿真与分析 |
3.6 本章小结 |
第四章 基于在线监督性学习的LTE系统AMC技术 |
4.1 BN在线参数学习概述 |
4.2 BN在线参数学习算法 |
4.2.1 基于非完备数据的在线参数学习算法 |
4.2.2 基于完备数据的在线参数学习算法 |
4.2.3 基于学习速率自适应的Voting EM算法 |
4.3 数字仿真结果及分析 |
4.3.1 完备数据在线参数学习仿真结果及分析 |
4.3.2 非完备数据在线参数学习仿真结果及分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 主要工作及贡献 |
5.2 下一步研究方向 |
致谢 |
参考文献 |
个人简历 |
攻读硕士学位期间研究成果 |
(5)基于组合核GA-SVM的恶意软件检测方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状分析 |
1.3 主要问题 |
1.3.1 恶意软件检测效果与实时性问题 |
1.3.2 SVM方法优化与遗传算法的收敛问题 |
1.4 本文研究内容及结构安排 |
1.4.1 主要研究内容 |
1.4.2 结构安排 |
第2章 基于恶意软件的词频和GIST特征提取 |
2.1 操作码特征提取 |
2.1.1 n-gram原理 |
2.1.2 基于n-gram的操作码词频特征提取 |
2.2 二进制文件特征提取 |
2.2.1 GIST原理 |
2.2.2 GIST特征提取方法 |
2.3 特征组合 |
2.4 实验结果 |
2.4.1 实验数据集和实验环境 |
2.4.2 评价标准 |
2.4.3 实验结果 |
2.5 本章小结 |
第3章 自适应概率模型下的GA-SVM恶意软件检测方法 |
3.1 遗传算法优化的支持向量机方法 |
3.1.1 参数优化 |
3.1.2 特征降维 |
3.1.3 基于GA-SVM的恶意软件检测方法 |
3.2 交叉概率与变异概率的选取 |
3.2.1 现有的交叉概率与变异概率公式 |
3.2.2 新的交叉概率与变异概率公式 |
3.3 自适应概率模型下GA-SVM的恶意软件检测算法 |
3.4 实验结果 |
3.4.1 交叉概率与变异概率取值存在的问题 |
3.4.2 自适应概率公式下的检测结果 |
3.5 本章小结 |
第4章 基于组合核优化的恶意软件检测方法 |
4.1 核函数 |
4.2 基于组合核的检测方法 |
4.2.1 组合核 |
4.2.2 组合核构造 |
4.2.3 基于组合核GA-SVM的恶意软件检测方法 |
4.3 组合核下双阈值SMO对训练时间的优化 |
4.3.1 SMO算法 |
4.3.2 双阈值的SMO算法 |
4.4 实验结果 |
4.4.1 基于组合核GA-SVM的恶意软件检测结果 |
4.4.2 算法训练时间分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 本文总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间主要的工作 |
(6)航空发动机诊断与参数辨识多群体协同遗传算法研究(论文提纲范文)
摘要 |
abstract |
注释表 |
缩略词 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 遗传算法的研究现状 |
1.2.2 多群体遗传算法的研究现状 |
1.2.3 自适应参数域遗传算法的研究现状 |
1.2.4 遗传算法在工程中的研究现状 |
1.3 本论文的主要研究内容及安排 |
第二章 特征选择的多群体多准则差分遗传算法 |
2.1 引言 |
2.2 特征选择基本原理 |
2.2.1 特征的评价准则 |
2.2.2 特征选择方法 |
2.2.3 遗传算法在特征选择中的实现技术 |
2.3 特征选择的多群体多准则差分遗传算法 |
2.3.1 Relief F算法 |
2.3.2 特征模式 |
2.3.3 多准则差分遗传算法 |
2.4 算例验证 |
2.4.1 算例1 仿真数据 |
2.4.2 算例1 的结果及分析 |
2.4.3 UCI数据集 |
2.4.4 UCI数据集的结果及分析 |
2.5 本章小结 |
第三章 自适应参数域多群体协同优化遗传算法 |
3.1 引言 |
3.2 自适应参数域多群体协同优化遗传算法 |
3.2.1 算法特点 |
3.2.2 算法流程 |
3.2.3 关键技术 |
3.3 算例验证 |
3.3.1 参数设置 |
3.3.2 实验结果及分析 |
3.4 本章小结 |
第四章 MUL-MEDGA方法在航空发动机智能诊断特征选择中的应用 |
4.1 引言 |
4.2 航空发动机滚动轴承故障特征选择研究 |
4.2.1 航空发动机滚动轴承故障振动信号特征提取 |
4.2.2 航空发动机滚动轴承故障模拟实验 |
4.2.3 基于多群体多准则差分遗传算法的滚动轴承故障特征选择 |
4.3 滚动轴承故障的特征选择结果与分析 |
4.3.1 算法参数 |
4.3.2 结果比较及分析 |
4.4 本章小结 |
第五章 APMGA方法在航空发动机动力学参数辨识中的应用 |
5.1 引言 |
5.2 APMGA方法在振动模态参数辨识中的应用 |
5.2.1 模态参数识别的基本原理 |
5.2.2 基于自适应参数域多群体遗传算法的模态参数识别 |
5.2.3 结果及分析 |
5.3 APMGA方法在转子系统支承和连接刚度辨识中的应用 |
5.3.1 含膜片联轴器的转子试验器简介 |
5.3.2 含膜片联轴器的转子试验器动力学模型 |
5.3.3 含膜片联轴器的转子试验器动力学模型参数 |
5.3.4 含膜片联轴器的转子试验器模态试验 |
5.3.5 连接刚度对固有频率的影响规律分析及优化刚度的选取 |
5.3.6 APMGA方法的转子试验器膜片联轴器刚度辨识 |
5.3.7 转子连接刚度识别结果及分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(7)含丢层复合材料结构铺层优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外相关研究现状综述 |
1.2.1 复合材料结构优化研究现状 |
1.2.2 复合材料结构性能预测研究现状 |
1.3 论文主要研究内容及安排 |
第二章 遗传算法及基于遗传算法的复合材料结构铺层优化方法 |
2.1 引言 |
2.2 基本遗传算法 |
2.3 基于遗传算法的复合材料结构铺层优化方法 |
2.3.1 基于遗传算法的复合材料层压板铺层优化方法 |
2.3.2 基于遗传算法的复合材料典型结构铺层优化方法 |
2.4 本章小结 |
第三章 复合材料层压板铺层优化方法研究 |
3.1 引言 |
3.2 复合材料层压板铺层优化设计问题 |
3.3 改进的遗传优化方法 |
3.3.1 目标函数构造 |
3.3.2 新染色体 |
3.3.3 新遗传算子 |
3.4 算例:受面内载荷的四边简支复合材料层压板 |
3.5 本章小结 |
第四章 含丢层复合材料层压板结构铺层优化方法研究 |
4.1 引言 |
4.2 含丢层复合材料层压板结构的全局铺层优化问题 |
4.3 复合材料层压板间可连接性的必要条件 |
4.4 基于层压板可连接性的多染色体遗传优化方法 |
4.4.1 目标函数构造 |
4.4.2 新染色体 |
4.4.3 新遗传算子 |
4.5 算例 |
4.5.1 算例1:长条形复合材料层压板结构 |
4.5.2 算例2:U形复合材料层压板结构 |
4.6 本章小结 |
第五章 含丢层复合材料夹层结构铺层优化方法研究 |
5.1 引言 |
5.2 含丢层复合材料夹层结构的全局铺层优化问题 |
5.3 复合材料夹层板间可连接性的必要条件 |
5.4 基于夹层板可连接性的多染色体遗传优化方法 |
5.4.1 目标函数构造 |
5.4.2 新染色体 |
5.4.3 新遗传算子 |
5.5 算例 |
5.5.1 算例1:阶梯形复合材料夹层结构 |
5.5.2 算例2:U形复合材料泡沫夹层结构 |
5.6 本章小结 |
第六章 基于试验的复合材料结构铺层优化方法研究 |
6.1 引言 |
6.2 概率神经网络 |
6.3 基于概率神经网络的复合材料结构性能预测方法 |
6.4 基于试验的复合材料结构铺层优化流程 |
6.5 算例 |
6.5.1 算例1:基于试验数据的复合材料开孔层压板拉伸强度预测 |
6.5.2 算例2:基于试验数据的受拉复合材料开孔层压板铺层优化 |
6.6 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 论文创新点 |
7.3 论文展望 |
参考文献 |
攻读博士学位期间已发表或录用的论文 |
致谢 |
(8)面向变异分析的协议安全测试方法(论文提纲范文)
1 构造类别代数 |
2 变异分析 |
2.1 变异算子设计 |
2.2 等价变异体产生原因分析 |
2.3 测试过程 |
2.3.1 约定 |
2.3.2 变异体生成 |
2.3.3 变异单元生成 |
2.3.4 测试例生成 |
3 结 论 |
(9)城市规划动态监管卫星遥感关键技术研究(论文提纲范文)
摘要 Abstract 1 绪论 |
1.1 研究背景和意义 |
1.2 相关研究发展现状 |
1.2.1 国内方面 |
1.2.2 国外方面 |
1.3 主要研究内容 |
1.3.1 相关的研究课题 |
1.3.2 特色和重点研究问题 |
1.3.3 研究目标和主要研究内容 |
1.3.4 技术路线 |
1.3.5 研究方法 |
1.4 论文的组织 2 城市规划遥感监测业务与技术流程 |
2.1 概述 |
2.1.1 城市规划相关概念 |
2.1.2 城市规划遥感监测业务流程 |
2.1.3 城市规划遥感监测技术流程 |
2.2 数据获取 |
2.2.1. 城市规划监管数据需求 |
2.2.2. 城市规划监管数据源分析 |
2.3 面向城市规划监管的遥感数据处理 |
2.4 变化信息提取与识别 |
2.5 核查与成果发布 |
2.5.1 核查 |
2.5.2 成果发布 |
2.6 小结 3 遥感图像处理核心技术 |
3.1 图像纠正与配准 |
3.2 遥感影像的数字镶嵌 |
3.3 图像变换 |
3.4 图像增强 |
3.5 多源遥感图像数据融合 |
3.5.1 融合的概念 |
3.5.2 融合的基本理论 |
3.5.3 主要融合方法 |
3.5.4 融合方法的应用比较 |
3.6 改进型小波融合算法 |
3.6.1 小波理论的发展 |
3.6.2 基于小波变换的融合算法 |
3.6.3 基于PCA变换、小波变换与高通滤波的遥感影像融合方法 |
3.7 实例分析 |
3.8 小结 4 变化信息检测(提取)分类的理论和方法 |
4.1 概述 |
4.2 变化检测的地物及其遥感图像特征分析 |
4.2.1 变化检测中地物的地学特征 |
4.2.2 遥感图像的分辨率 |
4.2.3 地物与遥感图像间的对应关系 |
4.2.4 地物遥感信息空间 |
4.3 变化检测的主要方法及其特点 |
4.3.1 分类后比较法 |
4.3.2 代数运算方法 |
4.3.3 可视化分析法 |
4.3.4 光谱特征变异法 |
4.3.5 主成分分析法 |
4.3.6 变换向量分析法 |
4.3.7 小波变换法 |
4.3.8 面向对象法 |
4.3.9 变化检测方法分析 |
4.4 面向对象的变化检测分类方法 |
4.4.1 高分辨率遥感图像特点 |
4.4.2 面向对象分类的概念 |
4.4.3 面向对象分类的优点 |
4.4.4 面向对象分类的难点 |
4.4.5 面向对象分类的流程 |
4.4.6 城市规划遥感监测专题对象分析 |
4.5 实例分析及评价 |
4.5.1 Definiens分类软件 |
4.5.2 实例分析 |
4.6 小结 5 城市规划遥感专题监测模型研究 |
5.1 概述 |
5.2 遥感信息模型 |
5.2.1 遥感信息模型的概念 |
5.2.2 遥感信息模型的建立 |
5.3 城市规划遥感监测专题目标的光谱、空间和纹理等特征 |
5.3.1 建设工程监测目标的特征 |
5.3.2 城市道路监测目标的特征 |
5.3.3 城市水系监测目标的特征 |
5.3.4 城市绿地监测目标的特征 |
5.3.5 建设用地监测目标的特征 |
5.3.6 历史文化名城保护监测目标的特征 |
5.4 城市规划遥感监测专题应用模型 |
5.4.1 面向对象的遥感模型建立方法 |
5.4.2 城市规划遥感监测专题模型 |
5.5 遥感信息模型的数学表达 |
5.6 实例分析 |
5.7 小结 6 基于WEB服务的GIS监测分析研究 |
6.1 概述 |
6.1.1 Web Services简介 |
6.1.2 Web Services的工作原理 |
6.2 基于WEB服务的监测系统设计 |
6.2.1 监测系统技术框架 |
6.2.2 基于Web服务的监测系统功能设计 |
6.2.3 系统的运行环境 |
6.3 基于GIS技术的监测分析 |
6.3.1 监测数据管理 |
6.3.2 基于GIS技术的监测分析 |
6.4 实例分析 |
6.4.1 变化提取 |
6.4.2 GIS辅助监测分析 |
6.5 小结 7 结论与展望 |
7.1 主要研究成果和创新点 |
7.1.1 主要研究成果 |
7.1.2 主要创新点 |
7.2 城市规划遥感监测发展展望 参考文献 致谢 作者简介 在学期间发表论文及参加科研工作情况 |
(10)基于构造类别代数的协议安全测试研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 形式化方法 |
1.2.2 协议一致性测试 |
1.2.3 协议安全测试 |
1.3 研究目的和方案 |
1.4 研究内容 |
1.5 论文结构 |
第2章 协议测试理论与方法 |
2.1 协议一致性测试 |
2.1.1 有限状态机 |
2.1.2 基于状态机模型的协议一致性测试 |
2.2 协议安全测试 |
2.2.1 研究现状 |
2.2.2 现有研究中的不足之处 |
2.3 小结 |
第3章 构造类别代数的扩展模型研究 |
3.1 构造类别代数方法概述 |
3.1.1 基本定义 |
3.1.2 基于构造类别代数的一致性测试 |
3.1.3 构造类别代数方法的研究现状 |
3.2 对构造类别代数的扩展 |
3.2.1 协议数据描述 |
3.2.2 可控制观察点 |
3.2.3 对等式公理的扩展 |
3.2.4 同EFSM 模型的比较 |
3.3 示例 |
3.3.1 示例1:最大长度为5 的堆栈 |
3.3.2 示例2:BGP4 协议 |
3.4 小结 |
第4章 基于变异分析的协议安全测试研究 |
4.1 变异分析 |
4.1.1 变异分析概述 |
4.1.2 变异分析在安全测试中的应用 |
4.1.3 变异分析和构造类别代数的结合 |
4.2 变异算子设计 |
4.2.1 针对控制流描述的变异算子 |
4.2.2 针对数据流描述的变异算子 |
4.3 变异算子应用 |
4.3.1 变异公理集合的一致性和完备性 |
4.3.2 控制流和数据流变异算子应用 |
4.3.3 变异算子应用范围 |
4.4 等价变异体 |
4.4.1 产生等价变异体的原因 |
4.4.2 消除第一类等价变异体 |
4.4.3 消除第二类等价变异体 |
4.5 对内部函数的变异分析 |
4.5.1 内部函数的变异单元 |
4.5.2 函数控制关系 |
4.6 小结 |
第5章 协议安全测试序列生成方法 |
5.1 协议安全测试序列 |
5.1.1 测试序列描述 |
5.1.2 公理重写 |
5.2 逆向推导算法 |
5.2.1 逆向推导算法 |
5.2.2 测试执行 |
5.2.3 堆栈的示例 |
5.2.4 算法分析 |
5.3 基于可执行树的测试序列生成方法 |
5.3.1 可执行测试树 |
5.3.2 结果判断序列 |
5.3.3 算法分析 |
5.4 基于主动测试和被动测试相结合的测试方法 |
5.4.1 协议被动测试 |
5.4.2 被动测试和变异分析的结合 |
5.4.3 基于结合主动和被动测试的安全测试方法 |
5.5 应用实例 |
5.6 小结 |
第6章 分布式协议测试系统设计 |
6.1 引言 |
6.2 协议测试过程描述 |
6.2.1 底层支撑模块 |
6.2.2 虚拟测试体 |
6.2.3 协议支撑模块 |
6.3 分布式协议测试系统 |
6.3.1 系统结构 |
6.3.2 系统测试模式 |
6.3.3 系统功能模块 |
6.4 自动化测试 |
6.5 小结 |
第7章 结束语 |
7.1 论文工作总结 |
7.1.1 构造类别代数的扩展模型 |
7.1.2 基于变异分析的协议安全测试研究 |
7.1.3 协议安全测试序列生成方法 |
7.1.4 分布式协议测试系统的设计和实现 |
7.2 进一步的工作 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
四、基于构造类别代数的变异分析(论文参考文献)
- [1]电力大数据算法的选择与评估系统设计与实现[D]. 刘贺琦. 北京邮电大学, 2021(01)
- [2]基于单线代数规约的微服务测试预言技术研究[D]. 杜益宁. 南京理工大学, 2020(01)
- [3]基于传感器优化布置与集成学习的大跨桥梁损伤识别研究[D]. 黄笑犬. 武汉理工大学, 2020(08)
- [4]基于监督性学习的LTE自适应传输关键技术研究[D]. 张翠. 电子科技大学, 2019(01)
- [5]基于组合核GA-SVM的恶意软件检测方法研究[D]. 吴修君. 武汉理工大学, 2019(07)
- [6]航空发动机诊断与参数辨识多群体协同遗传算法研究[D]. 关晓颖. 南京航空航天大学, 2019(01)
- [7]含丢层复合材料结构铺层优化方法研究[D]. 范海涛. 上海交通大学, 2016(03)
- [8]面向变异分析的协议安全测试方法[J]. 章志燮,周颢,赵保华. 西安交通大学学报, 2009(12)
- [9]城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学(北京), 2010(10)
- [10]基于构造类别代数的协议安全测试研究[D]. 章志燮. 中国科学技术大学, 2009(10)