基于神经网络BP算法的网络入侵检测系统研究与实现

计算机和网络在现在社会中的运用越来越广泛,不管是政府、社会还是其他的工作都越来越依靠与网络系统,所以计算机网络系统的安全性格外的重要。本文通过从网络入侵检测技术的概述着手,发现现存的入侵技术的不足之处,探究神经网络BP算法在入侵检测系统中的应用。     

基于MATLAB的BP神经网络入侵检测系统

基于MATLAB神经网络工具箱,构建了一个BP神经网络入侵检测系统,采用改进的BP神经网络Levenberg-Marquardt优化算法进行入侵检测,实验表明,具有较高的检测率。     

遗传算法在入侵检测中的应用研究

本文简要介绍了入侵检测技术的原理和分类,介绍了遗传算法在入侵检测技术中的应用,以及利用遗传算法为基础和其他技术相结合的一些方法在入侵检测中的应用.通过与单个神经网络的比较,说明基于遗传算法的集成神经网络检测方法能克服单个分类算法的缺陷,提高入侵检测系统的检测率.     

基于BP神经网络的棉花水分检测仪设计

采用2-6-1拓扑结构的BP神经网络,运用容阻脉冲转换、智能现场总线等技术,设计了能进行水分的非线性校正和温度补偿的便携式棉花水分检测装置。检测结果表明:经过BP神经网络校正和补偿后,在-20～50℃温度范围内,棉花水分在5%～15%时,测量误差小于±0.4%;棉花水分在15%～25%时测量误差小于±0.5%。该检测装置在很大程度上消除了温度变化对水分测量值的影响,提高了检测信号的抗干扰能力,满足了棉花水分智能检测的要求。     

基于遗传算法神经网络模型的蔬菜价格预报

针对蔬菜市场价格预报的复杂性,利用遗传算法与神经网络的特性,建立了基于遗传算法的神经网络蔬菜价格预报模型,并以香菇为例通过实验对模型参数选择进行了分析,进行了价格的模拟与预报。最后把遗传算法神经网络与BP网络预报结果进行了比较,结果证明,在预报数据绝对误差小于10%的范围内,二者预报能力相当;在预报数据绝对误差小于20%、15%的范围内,遗传算法神经网络模型的准确度高于BP神经网络模型,尤其是预报绝对误差小于20%的范围内,遗传算法神经网络模型的准确度明显好于BP神经网络模型,表现出模型良好的泛化能力。     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

基于BP-Adaboost算法的棉花采摘机预维修方法研究

[目的]尽早检测出棉花采摘机可能发生的故障,减少大型故障造成的巨大损失。[方法]提出了一种基于BPAdaboost算法的预维修方法用于检测棉花采摘机故障情况。首先采集棉花采摘机8个核心部件的工况参数信息作为故障特征参数,然后将故障特征参数作为BP神经网络的输入值,构造BP神经网络弱预测器,最后通过多个BP神经网络弱预测器构建Adaboost强预测器模型。[结果]用采集到的棉花采摘机实际工况数据验证Adaboost强预测器模型的性能,模型预测准确率达94.7%。[结论]该算法可以有效地对棉花采摘机的故障进行预测,而且与BP神经网络弱预测器相比,性能更好。     

日光温室番茄群体纵向尺度叶面湿润时间的模拟研究

植株群体叶面湿润时间(LWD)与病害发生密切相关,为预防叶面湿度过高引起日光温室番茄病害的发生,建立合理准确地日光温室番茄群体纵向尺度叶面湿度分布的预测模型十分必要。通过测定温室外光照强度、温室内温度、相对湿度及番茄植株不同高度的叶面湿润时间,分析温室环境因素对番茄群体纵向尺度叶面湿润时间的影响规律,并利用BP神经网络和多元线性回归建立番茄植株叶面湿润时间的预测模型。结果表明:叶面湿润时间与光照强度、温度呈现负相关关系,与湿度呈现正相关关系;植株不同高度的叶面湿润时间具有一定差异性,表现为植株群体上部叶片湿润时间变化最为明显,中部叶片变化次之,下部叶片变化最慢。距地面150,90和30cm高度处叶面湿润时间BP神经网络模型均方根误差(RMSE)分别为0.9262,1.3275和1.5568,多元线性回归方程的RMSE分别为2.0349,2.8907和3.4359,进一步的分析发现模拟值和实测值之间具有良好的对应关系。叶面湿润时间与光照强度、温度和湿度关系密切,且在群体内不同高度所受影响存在差异性,本研究建立的BP神经网络叶面湿润时间模型优于多元回归方程,可用于长季节栽培番茄群体叶面湿润时间的预测。     

基于性能改善深度信念网络的棉花病虫害预测方法

针对与棉花病虫害发生相关的环境信息数据具有大容量、多样性的特点,提出一种基于环境信息和改进深度信念网络(MDBN)相结合的棉花病虫害预测模型。该模型由3层限制玻尔兹曼机(RBM)网络和1个BP网络组成。利用MDBN提取与病虫害发生相关的特征变量,并利用BP神经网络进行病虫害预测。该方法的特点是将自适应学习率引入到DBN的无监督预训练阶段,并从训练数据批次的选择、参数调优的迭代周期以及在线学习训练等多个方面对MDBN的性能进行优化和改善,从而能够利用MDBN充分挖掘数据集中病虫害预测的特征向量,提高网络的预测精度。对实际棉花病虫害的预测结果表明,MDBN比传统预测模型具有更高的预测精度,是一种有效的农作物病虫害预测方法。     

一种基于数据挖掘技术的入侵检测系统模型及应用

随着技术的发展,网络日趋复杂,防火墙技术所表现出来的不足引出了人们对入侵检测系统（IDS）技术的研究和开发。首先介绍了入侵检测技术、数据挖掘技术和关联规则算法,然后提出了一种基于数据挖掘技术的入侵检测系统模型,并将数据挖掘中的关联规则模型应用到实际中,取得很好的应用效果。     

Automatic image segmentation method for cotton leaves with disease under natural environment

In order to improve the image segmentation performance of cotton leaves in natural environment, an automatic segmentation model of diseased leaf with active gradient and local information is proposed. Firstly, a segmented monotone decreasing edge composite function is proposed to accelerate the evolution of the level set curve in the gradient smooth region. Secondly, canny edge detection operator gradient is introduced into the model as the global information. In the process of the evolution of the level set function, the guidance information of the energy function is used to guide the curve evolution according to the local information of the image, and the smooth contour curve is obtained. And the main direction of the evolution of the level set curve is controlled according to the global gradient information, which effectively overcomes the local minima in the process of the evolution of the level set function. Finally, the Heaviside function is introduced into the energy function to smooth the contours of the motion and to increase the penalty function Φ(x) to calibrate the deviation of the level set function so that the level set is smooth and closed. The results showed that the model of cotton leaf edge profile curve could be obtained in the model of cotton leaf covered by bare soil, straw mulching and plastic film mulching, and the ideal edge of the ROI could be realized when the light was not uniform. In the complex background, the model can segment the leaves of the cotton with uneven illumination, shadow and weed background, and it is better to realize the ideal extraction of the edge of the blade. Compared with the Geodesic Active Contour(GAC) algorithm, Chan-Vese(C-V) algorithm and Local Binary Fitting(LBF) algorithm, it is found that the model has the advantages of segmentation accuracy and running time when processing seven kinds of cotton disease leaves images, including uneven lighting, leaf disease spot blur, adhesive diseased leaf, shadow, complex background, unclear diseased leaf edges, and staggered condition. This model can not only conduct image segmentation of cotton leaves under natural conditions, but also provide technical support for the accurate identification and diagnosis of cotton diseases.     

黄萎病对棉花叶片生理特性的影响

以10个棉花品系为试材,在黄萎病发生初期,测定了健株与病株下部第1台果枝对应主茎叶的生理指标。结果表明：感病叶片的生理功能遭到严重损坏,与正常叶片相比,其叶绿素含量和可溶性蛋白含量显著降低．可溶性糖含量、丙二醛（MDA）含量、超氧化物歧化酶（SOD）活性和过氧化物酶（POD）活性升高,与衰老叶片生理变化特征表现相似。     

喷施高锰酸钾对棉花生理特性及产量、品质的影响

为了解决棉田中后期叶片感病过早枯衰导致的棉铃质量和纤维品质下降等问题,采用大田试验,以不喷施高锰酸钾为对照(CK),从7月1日开始在棉田喷施0.1%的高锰酸钾溶液,设A(每隔10 d喷1次,至9月20日共9次)、B(每隔15 d喷1次,至9月15日共6次)、C(每隔20 d喷1次,至9月20日共5次)3个处理,研究喷施高锰酸钾对棉花生理特性、产量及品质的影响。结果表明:喷施高锰酸钾溶液均显著提高棉叶叶绿素含量、转化酶活性、光合速率、超氧化物歧酶活性和过氧化物酶活性,明显降低叶片丙二醛含量,有效缓解后期叶片细胞膜脂过氧化,延缓叶片衰老,提高叶片生理功能,进而显著提高铃质量和子棉产量,改善纤维品质,并提高了衣分和子指。其中,处理A单铃质量提高幅度最大,较对照显著提高28.9%,比处理B、C分别显著提高8.2%、19.7%;子棉产量增幅最高,比对照显著增产28.6%,比处理B、C分别显著增产9.3%、19.1%;纤维比强度显著高于对照,纤维综合品质表现最好。喷施高锰酸钾溶液各处理棉田后期生长表现棉枝紫红、叶色浓绿无病斑、桃大吐絮畅,实现了枝红叶绿吐白絮的高产优质棉田长相,且处理A增产促优效果最好。     

棉花黄萎病菌诱导转hpa1xoo基因棉花产生微过敏防御反应

采用叶片针刺接种法从细胞学方面分析转hpa1xoo基因棉花与棉花黄萎病菌互作产生的微过敏抗病反应.通过细胞显微观察表明,转hpa1xoo基因棉花T-34与非转基因棉花在抗病性细胞表型方面存在明显差异.Trypan Blue染色后,伤口外的叶组织中均有一褐色环形条带,褐色环形条带与伤口坏死部位之间区域的组织细胞出现质壁分离和空腔细胞现象,褐色条带与伤口坏死部位之间的区域在转基因和非转基因棉花之间具有较明显的差异,转基因棉T-34较非转基因棉花品种Z35形成的区域小,说明转基因棉细胞损伤程度较非转基因棉细胞损伤程度低.棉花黄萎病菌侵染叶片后,非转基因棉花叶部伤口周围细胞无微过敏性反应(micro HR),受病原菌侵染的叶片萎蔫程度较重;转hpa1xoo基因棉花叶部伤口周围细胞有微过敏反应,叶部刺伤处仅有较小的坏死斑,且不相连,发病较轻,而清水处理的转基因棉花与非转基因棉花叶片中伤口周围均无微过敏反应,说明病原菌侵染诱导转hpa1xoo基因棉花产生微过敏防御反应,转hpa1xoo基因棉花较非转基因棉花有较强的抗病性.     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

外源SOD对棉花光合性能及抗逆性的影响

以人工合成超氧物歧化酶(SOD)为材料,研究外源SOD(Cu.Zn-SOD,Mn-SOD)对棉花光合性能和抗病性的影响。试验结果表明,与Cu.Zn-SOD(10 mmol/L),Mn-SOD(5 mmol/L,10 mmol/L)相比,Cu.Zn-SOD(5 mmol/L)播前浸种可以减轻棉花苗期病害发生率,盛花期叶面喷施可以有效减轻光合午睡,吐絮期喷施可以减缓叶绿素降解速度。所有处理对棉叶光合速率和生育前期叶绿素含量以及棉花枯、黄萎病发病均没有影响。     

基于信息熵与K-means融合算法的网络入侵检测模型

传统K-means算法在初始聚类中心选择时具有较大随机性,是影响聚类分析结果的关键因素。利用信息熵辅助选取聚类中心,提出一种信息熵与K-means融合算法,并以此为基础构建一种网络入侵检测模型,除完成异常入侵检测外,可使聚类中心随网络变化而动态更新,提高入侵检测效果。通过对比试验,证明了该方法的可行性及有效性。     

木尔坦棉花曲叶病毒及其伴随的β卫星分子复合侵染引起广东棉花曲叶病

【目的】明确引起广东棉花曲叶病的病原,为该病害的防控提供理论依据。【方法】应用PCR、滚环扩增(rolling circle amplification,RCA)、基因克隆及测序等技术获得病毒分离物GD01基因组及卫星分子的序列,并对序列进行分析;通过构建GD01及其β卫星分子的侵染性克隆p GreenⅡ049-1.6A、p GreenⅡ049-2.0β和利用农杆菌介导的注射接种方法,测定GD01及其β卫星分子对棉花的致病性;进一步通过Southern blot检测对接种植株进行分析与验证。【结果】侵染广东棉花的病毒分离物GD01基因组仅含A组分(DNA-A),其全长为2 737nt,且与在中国发现的木尔坦棉花曲叶病毒(Cotton leaf curl Multan virus,CLCu Mu V)第一个分离物朱槿分离物G6序列相似性为100%。该病毒分离物也伴随有β卫星分子,其全长为1 345 nt,与G6伴随的β卫星分子(Cotton leaf curl Multan betasatellite isolate G6,CLCu Mu B-[G6])序列相似性为99.9%。构建了GD01 DNA-A及其β卫星分子侵染性克隆p GreenⅡ049-1.6A、p GreenⅡ049-2.0β,农杆菌注射接种本氏烟,接种后15 d,二者混合接种的本氏烟植株新出的叶片表现明显的皱缩、卷曲等症状;随着时间的推移,本氏烟的症状越来越明显。农杆菌注射接种棉花,接种后30 d,二者混合接种的棉花植株新出叶片开始出现叶脉变深绿色,叶片卷曲等症状;接种后90 d,二者混合接种的植株大部分叶片表现为叶片向上卷曲、叶脉深绿色、叶脉肿大等典型棉花曲叶症状,且与田间自然病株症状相同,而二者各自单独接种的棉花植株没有产生明显的症状。Southern blot检测结果显示,表现典型曲叶症状的接种棉花植株均含有GD01 DNA-A及其β卫星分子,进一步支持这些症状是由GD01 DNA-A及其β卫星分子的共同侵染引起。【结论】病毒分离物GD01 DNA-A及其伴随的β卫星分子与入侵中国的CLCu Mu V第一个分离物朱槿分离物G6相同,CLCu Mu V-[GD01]及其伴随的CLCu Mu B-[GD01]复合侵染引起广东棉花曲叶病,利用农杆菌介导的侵染性克隆接种法,完成了CLCu Mu V及其CLCu Mu B复合侵染引起棉花曲叶病的柯赫氏法则(Koch's Postulates)。     

棉长管蚜危害对棉花生理生化及其相关防御酶的影响

【目的】 研究棉长管蚜危害对苗期棉花生理生化及其防御酶的影响。【方法】 设置初始密度为5、10和15头/株,接在棉苗第2片真叶上,分别危害1、2、3 d,待危害结束后,取棉苗真叶,依次测定可溶性糖、可溶性蛋白、叶绿素和类胡萝卜素、丙二醛(MDA)、过氧化氢酶(CAT)、过氧化物酶(POD)、超氧化物歧化酶(SOD)。【结果】 棉花叶片可溶性糖和可溶性蛋白含量与棉长管蚜危害密度有较大关系,且均随着棉长管蚜危害时间的延长而增加,其中10和15头/株棉长管蚜危害3 d后棉花叶片中可溶性糖和可溶性蛋白含量均显著高于其他处理组棉花。棉花叶片中叶绿素含量与棉长管蚜的取食没有显著的相关性,10和15头/株棉长管蚜危害3 d后的棉花叶片中类胡萝卜素含量显著高于对照组棉花。棉长管蚜危害1和2 d时,棉花叶片中MDA含量随着棉长管蚜密度的增大而提高,在危害3 d后,10和15头/株棉长管蚜危害的棉花叶片中MDA含量差异不显著,且均显著高于对照组棉花。15头/株棉长管蚜危害1和2 d的棉花叶片中CAT活性均显著高于其他处理组棉花,而取食3 d后的棉花叶片中CAT活性与5和10头/株棉长管蚜危害的棉花差异不显著,但均高于对照组棉花。10和15头/株棉长管蚜危害2和3 d的棉花叶片中POD和SOD活性均显著高于对照组和5头/株棉长管蚜危害的棉花,同时5头/株棉长管蚜危害3 d时棉花叶片中SOD活性显著高于对照组棉花。【结论】 棉长管蚜的取食可以改变棉花体内与营养代谢和细胞渗透压调节相关物质的改变,并诱导其相关防御酶活性升高。     

基于微调卷积神经网络迁移学习模式下被害棉叶图像的识别

【目的】研究一种基于卷积神经网络的危害棉叶症状识别技术,提高棉花病虫害的识别准确率。【方法】基于caffe深度学习框架,在CaffeNet网络结构基础上增加一层全连接层(记为CaffeNet+1),并结合迁移学习方法对网络进行训练。采集健康、红叶茎枯、红蜘蛛、枯萎、黄萎、双斑萤叶甲、蚜虫、褐斑棉叶图像各975张作为样本集。随机选取验本集中80%的图像样本作为训练集,剩余20%作为测试集。【结果】迁移学习方式下学习率取0.005时的CaffeNet+1模型最优,在测试集上其识别准确率可达98.9%。【结论】在与全新学习模式下的CaffeNet模型相比,该方法可加速网络模型收敛,且具有更高的识别准确率,该技术方法在准确识别田间病虫害棉叶后表现症状的图像写出来具体方面具有重要的应用价值。