摘要:机会群智感知网络中,不同节点间的相遇间隔各异,任务由不同节点执行时的时间成本有较大差异性。为最小化任务平均完成时间,设计并实现了一种基于预测的多任务在线分配算法(online multi-task assignment based on prediction,OTAP)。基于真实移动轨迹数据集,分析了节点间相遇间隔分布,设计了节点相遇规律发现子算法;利用对节点间的相遇间隔的预测,每次给执行节点分配在与任务分发者下次相遇间隔内能完成的最大任务量。针对4个不同的真实移动轨迹数据集,利用ONE模拟器,对OTAP算法性能进行了验证与分析。结果显示,相比于已有的NTA算法,OTAP在4个不同数据集中平均任务完成时间分别缩短了50.49%、45.34%、32.71%、32.23%,任务完成率在其中两个移动轨迹数据集中也有所提高。
摘要:针对传统的钓鱼站点攻击检测模型时延高、效率低、特征提取复杂的问题,提出一种使用长短期记忆网络(long short term memory,LSTM)和随机森林的混合算法模型。该模型主要包括网址上下文特征提取和混合特征分类两部分。首先,根据循环神经网络特点建立128步长的深度网络结构。实验数据参考开源社区提供的钓鱼网站网址和正常网址情报。利用自然语言处理技术对网址数据进行编码得到具有局部特征的网址序列。通过构建的LSTM网络对网址序列进行字符上下文特征提取,结合传统检测方法中的非字符序列特征,共同构成实验特征集。随后,利用随机森林获取每一个特征的最佳分裂点,构建混合特征分类模型。该模型以网址数据为检测源,一方面降低了随机森林的字符序列特征维度,另一方面结合传统钓鱼网址检测中的非序列特征,弥补了LSTM算法检测特征单一的问题。为验证该模型的有效性,设计了本文模型与随机森林算法、LSTM算法的对比实验,并进一步对不同LSTM训练规模的时间成本进行分析。从实验中发现,基于LSTM与随机森林的混合模型大幅度提高了钓鱼网站的识别准确率,模型准确率达到98.52%,比相同训练规模的LSTM准确率高3%,比实验中的单一随机森林准确率高7%。同时,相比于LSTM算法同等幅度的准确率提升,该混合算法具有更小的时间代价。实验结果表明,作者提出的混合模型克服了传统识别模型在特征提取、识别效率上的问题,适合于海量钓鱼网站攻击的快速识别。
摘要:为了解决双馈风电机组(doubly-fed induction generator wind power generation system,DFIG-WPGS)在连接点电网电压发生跌落故障时的转子过电流、改善DFIG-WPGS的故障穿越(fault-ride-through,FRT)性能等问题,提出了应用于DFIG-WPGS的可变阻尼器(based on variable damper,BVD)的控制方法。该控制方法采用基于虚拟撬棒电阻电感的负反馈控制,在DFIG转子侧引入的虚拟撬棒电阻与故障时电网电压跌落程度相关,且虚拟撬棒电阻的取值控制在合理的取值范围之内;BVD控制方法通过在DFIG转子电流控制环引入阻尼器,限制故障状态下DFIG的转子过电流,且对故障过程中的转子电流进行有效控制。连接点电网电压发生深度跌落故障时DFIG-WPGS的FRT仿真结果显示:在连接点电网电压深度跌落故障发生时刻,BVD控制方法的交流励磁电源直流侧电压的泵升幅度比矢量控制方法的更小,BVD控制方法的DFIG转子过电流幅值更小,而且故障期间转子电流的幅值比矢量控制方法的更大,更利于DFIG的功率控制;实验结果进一步验证了BVD控制方法的有效性。在改善DFIG-WPGS的FRT性能过程中,基于可变阻尼器的控制方法不仅可以有效抑制交流励磁电源的直流侧过电压、抑制DFIG转子过电流,而且可以有效控制故障过程中DFIG的输出功率,该方法在风电场具有一定的工程实践使用价值。