Android系统应用权限异常行为分析及检测方法研究.pdf

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。

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�

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

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。

基于背景重构和二维KS检验的有害入侵检测方法

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。

提出了一种基于改进特征金字塔的Mask R-CNN目标检测方法。实验结果表明，在目标边缘和包围盒两项检测中，相比于Mask R-CNN检测框架，所提方法在不同的交并比阈值下的平均准确率分别提高了约2.4%和3.8%。尤其对于中等尺寸目标的检测准确率有较大的提高，分别为7.7%和8.5%，具有较强的稳健性。

matlab圆检测代码Line-Circle-Square (LCS)：一种用于基于边缘检测的多层几何滤波器 介绍 Line-Circle-Square (LCS) 过滤器对每个定义的专家（Line、Circle 和 Square 专家）应用检测、跟踪和学习，以获得更多信息来判断场景，而不会过度计算。 每位专家之间的交互式学习提要产生了最小的错误，可以在没有映射的情况下对抗拥挤场景中压倒性的地标标志。 我们的专家基本上依赖于信任因素与几何定义的协方差来忽略、出现和比较检测到的地标。 与文献中的其他相关滤波器相比，所提出的 LCS 滤波器（和 LC 滤波器）具有以下独特优势：（1）减少了计算需求； (2)具有最小化检测时过度自信问题的能力； (3) 检测外界异常行为的实时过程，例如部分检测朝向摄像头/移动车辆的进入物体； (4) 几何计算的初级检测，它创建不同级别的信息，即用于映射和定位的低（边缘）到高（层）； (5) 多层性质使其适用于具有并行执行潜力的实时处理。 用法 要使用代码， main_offline.m从 MATLAB 命令行运行脚本main_offline.m 。 这将在离

目前国内输送带纵向撕裂检测在精度和可靠性方面不能满足要求,随着数字图像处理技术的不断发展其已被广泛应用于工业检测中,文章提出一种应用数字图像处理技术对输送带纵向撕裂检测的方法并使用蚁群算法对canny算子进行优化。实验结果表明优化的边缘检测是一种有效的输送带纵向撕裂检测方法。