信息中心网络(information-centric networking,ICN)已经成为下一代网络架构研究的新热点。针对NetInf(network of information)架构下,由于无效的数据注册,NRS在发布阶段容易受伪装和内容投毒攻击,提出在发布和检索之前增加一个注册阶...信息中心网络(information-centric networking,ICN)已经成为下一代网络架构研究的新热点。针对NetInf(network of information)架构下,由于无效的数据注册,NRS在发布阶段容易受伪装和内容投毒攻击,提出在发布和检索之前增加一个注册阶段,并集成认证和授权方案;该阶段在主机访问Net Inf系统之前,对其进行身份认证并采用基于能力的访问策略来解决未经授权的访问问题。通过形式化方法验证,该方法提高了Net Inf框架的安全性。展开更多
针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题,提出了一种卷积深度森林(Convolutional Deep Forest,CDF)的故障诊断方法。首先对一维振动信号进行归一化和转图片预处理,接着利用卷积神经网络对图片训...针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题,提出了一种卷积深度森林(Convolutional Deep Forest,CDF)的故障诊断方法。首先对一维振动信号进行归一化和转图片预处理,接着利用卷积神经网络对图片训练,完成端到端的特征提取,然后使用级联森林对特征进行分析并分类,最后在轴承数据集上验证了CDF的有效性。试验结果表明,CDF针对4种负载下的大小样本数据均能取得较高的准确率,基于二维信号转图片的卷积神经网络和CDF的准确率均高于一维,证明了基于信号转图片数据预处理操作的有效性。展开更多
文摘针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题,提出了一种卷积深度森林(Convolutional Deep Forest,CDF)的故障诊断方法。首先对一维振动信号进行归一化和转图片预处理,接着利用卷积神经网络对图片训练,完成端到端的特征提取,然后使用级联森林对特征进行分析并分类,最后在轴承数据集上验证了CDF的有效性。试验结果表明,CDF针对4种负载下的大小样本数据均能取得较高的准确率,基于二维信号转图片的卷积神经网络和CDF的准确率均高于一维,证明了基于信号转图片数据预处理操作的有效性。
