已有入侵检测模型普遍只针对网络入侵行为的静态特征进行分析检测，造成检测率低及误报率高等缺陷，且无法有效应用低频攻击。为此提出一种新的基于深度循环神经网络（DRNN）和区域自适应合成过采样算法（RA-SMOTE）的组合式入侵检测模型（DRRS）。首先，RA-SMOTE 对数据集中低频攻击样本进行自适应区域划分，实现差别样本增量，从数据层面提升低频攻击样本数量；其次，利用 DRNN 特有的层间反馈单元，完成多阶段分类特征的时序积累学习，同时多隐层网络结构实现对原始数据分布的最优非线性拟合；最后，使用训练好的DRRS模型完成入侵检测。实验结果表明，相比已有入侵检测模型，DRRS在改善整体检测效果的同时显著提高了低频攻击检测率，且对未知新型攻击具有一定检出率，适用于实际网络环境。

Matlab改进PSO算法2-改进pso算法2.rar 继续上传改进PSO算法的文献和Brian Birge的PSO工具箱，这三篇文献都是在工具箱中提到的，貌似都是动态环境中用到的，极值不变情况下的算法还是BPSO，大体写了写自己的理解和问题，大家有兴趣就看看和讨论一下吧。

飞思卡尔智能车的速度控制模块，PID电机控制，由参考程序哇。

改进蝙蝠算法：1.增加权重系数 2.自适应调整频率 3.达到尝试次数后，解质量没有提高，则随机飞行.zip

支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,因而有较好的泛化性能和较高的分类准确率。由于支持向量机具有小样本、非线性、高维数、避免局部最小点以及过学习现象等优点，所以被广泛运用于故障诊断、图像识别、回归预测等领域。

为研究求解常微分方程的近似解问题,采用理论分析和实例分析的方法,将常微分方程的求近似解问题转化为遗传算法的函数优化问题,借助Matlab遗传算法工具箱实现对常微分方程的求解,并以室内温度摆动问题进行实例分析.研究结果表明:常微分方程的求解问题可以转化为最优化问题,进而将遗传算法应用于求解该最优化问题,最终完成了对常微分方程的求解,同时验证了该算法的有效性与准确性.研究结论拓宽了遗传算法的适用范围,并为常微分方程的求解问题提供了新的理论空间.

BP网络作为人工神经网络的重要分支，已经广泛应用于手写数字识别。然而BP神经网络存在训练时间长、易陷入局部最小的问题。为了克服这些问题，提出了一种改进的遗传算法，并用该算法来优化神经网络的权值和阈值。最后，利用基于该算法的神经网络对大量USPS手写数字样本集进行训练。实验结果表明，该算法比单纯的BP算法具有更快的识别速率。

针对传统Canny边缘检测算法中的边缘连接是通过设定固定阈值完成的，无法自动适应外界检测环境变化的问题，在FPGA上设计实现了一种基于改进Canny算法的实时边缘检测系统。该系统利用OSTU算法（最大类间方差法）自动选取合适的双阈值，能够对摄像头模块采集的视频图像进行实时处理，提取出每一帧图像的边缘，并在显示器上显示。实验结果表明，该系统能在在外界环境发生变化时，不需要做出调整，仍然能够很好的检测到图像的边缘。

从高分辨率遥感影像中提取单木树冠信息能够有效提高森林资源的调查与管理水平; 针对现有单木树冠提取方法对郁闭度较高的阔叶林提取精度低的问题, 提出一种基于迭代H-minima改进分水岭算法的高分辨率遥感影像单木树冠提取方法; 首先利用形态学开操作对图像进行平滑处理, 采用Sobel算子提取梯度图像, 并利用均值滤波进行去噪处理; 然后利用一组h值在梯度图像上迭代识别树冠标记, 利用虚假标记检测方法过滤无效标记; 最后引入对称原则来限制分水岭算法的淹没过程, 避免树冠标记过生长与无标记树冠合并; 以高分辨率遥感影像作为数据源, 同时采用传统的标记控制分水岭算法和所算法提取单木树冠, 从单木位置和树冠轮廓两个方面, 以及样地和单木两个尺度上对单木树冠提取的精度进行评价。结果表明：所提算法提取树冠的F测度为92.71%, 比标记控制分水岭算法提高了31.99%; 所提算法能够有效抑制过分割、减少欠分割, 从而提高单木树冠的提取精度。

近年来, 物流行业的飞速发展, 运输是物流的重要环节之一, 根据数据显示, 运输的成本占据整个物流成本的50%以上. 无人机的使用有效的控制了运输成本, 合理规划物流无人机的飞行路线, 也起着至关重要的作用. 在物流无人机的航迹规划中, 必须保证无人机飞行过程中能够准确避开禁飞区. 本文基于A*算法, 结合多种类型的禁飞区, 设计出一种改进算法, 能够找到任意两客户点间无人机避障飞行的最优路线. 仿真结果表明, 本文所设计的算法能够有效解决多类型禁飞区并存的无人机避障路径规划问题.