基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文,非
2022-06-27 14:02:10 617KB 语法特征 webshell
为了准确定位电压暂降扰动和精确测量暂降幅值, 提出了一种将新型Teager能量算子(NTEO)和有效值算法结合进行暂降检测的新方法。通过引入分辨率参数i对Teager能量算子(TEO)进行改善, 得到抗噪性能更优越的NTEO算法, 利用NTEO算法定位电压暂降扰动起止时刻, 并采用有效值(RMS)方法对所定位的暂降进行幅值测量。仿真结果表明, 该算法与小波变换相比实时性更强, 并弥补了TEO抗噪性能较差和RMS方法不能准确定位扰动的不足, 能够快速、准确地检测到电压暂降。
1
Android平台应用程序恶意行为检测方法研究.pdf
2022-06-21 09:08:36 1.75MB Android平台应用程序恶意行
Android系统应用权限异常行为分析及检测方法研究.pdf
2022-06-21 09:08:04 1.77MB Android系统应用权限异常行
通过分析典型负载下电弧电流高频分量在时域与频域表现出的不同特征,提出一种串联交流电弧故障检测方法。该方法利用电弧电流变化率与其有效值的比值以及6~12 kHz频段电流幅值这2个特征参量进行串联交流电弧故障识别;并利用负载启动电流持续时间远远小于电弧电流持续时间的特点,设定电弧故障检测时间阈值,降低负载启动过程对串联交流电弧故障检测的影响。试验结果表明,所提方法能够实现串联交流电弧故障的快速检测,对硬件要求相对较低,简便易行。
1
基于Adaboost和卷积神经网络的人脸检测方法对比分析,杨倩,谢东亮,本人脸检测一直是计算机视觉中研究最多的主题之一。基于Adaboost和基于卷积神经网络(Convolutonal Nenural Networks,CNN)的人脸检测一直是计�
2022-06-10 10:54:43 777KB Adaboost
1
针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题,提出一种基于深度学习的矿用输送带损伤检测方法,通过Yolov4tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络,借鉴Resnet残差思想,使用残差块防止深层网络中高层语义特征丢失,同时采用特征金字塔网络实现高低层语义信息融合,达到提高检测精度的目的;将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head,通过得分排序和非极大值抑制算法对预测框进行筛选,从而预测输送带损伤类型。实验结果表明,Yolov4〖HT5,6”〗-〖HT5〗tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为9936%,9485%,8930%,8676%,平均精度均值达9257%;与Faster-RCNN,RFBnet,M2det,SSD,Yolov3,EfficientDet和Yolov4目标检测网络相比,Yolov4-tiny目标检测网络在数据集上取得了最快的检测
2022-06-10 09:25:57 1.47MB 带式输送机 损伤检测
1
针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。
2022-06-08 09:30:21 453KB 入侵检测
1
基于背景重构和二维KS检验的有害入侵检测方法
2022-06-07 09:53:15 630KB 研究论文
1
为了提高气体管道泄漏检测的效率与准确性,文中结合BP神经网络设计了一套气体管道泄漏检测方法,并以医用呼吸机气体管路为对象进行测试。在气路分析的基础上,借助试凑法与MATLAB软件平台确定神经网络各层的神经元数量,方案采用Trainglm算法作为样本数据的训练算法。通过在医用呼吸机上进行的实测结果表明,文中所设计的方法比传统的呼吸机漏气检测方法具有较好的泛化能力与较高的精度,且误差平均值较小、稳定性与重复性较好,是一种气体管道漏气检测的有效手段。
1