提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Pr...提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)求得测试样本的稀疏系数,最后根据稀疏系数的能量特征实现分类识别。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明该方法在方位角未知的情况下平均识别率达到96.78%,能够明显地提高目标的识别结果,是一种有效的SAR目标识别方法。展开更多
低速率分布式拒绝服务(LDDoS,low-rate distributed denial of service)攻击是一种新型的DDoS攻击方式。LDDoS具有流量小和隐蔽性强的特点,现有的DDoS攻击检测方法不能正确发现LDDoS攻击流量。根据LDDoS攻击流量呈现周期性的特点,采用...低速率分布式拒绝服务(LDDoS,low-rate distributed denial of service)攻击是一种新型的DDoS攻击方式。LDDoS具有流量小和隐蔽性强的特点,现有的DDoS攻击检测方法不能正确发现LDDoS攻击流量。根据LDDoS攻击流量呈现周期性的特点,采用缓存队列占有率统计的方法,重点研究了受害目标路由器的缓存队列,分别统计分析了正常和攻击流量的占有率,并在NS-2环境中进行了仿真实验,成功提取了LDDoS攻击流量上的2个特征,提高了LDDoS攻击的检测率。展开更多
文摘提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)求得测试样本的稀疏系数,最后根据稀疏系数的能量特征实现分类识别。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明该方法在方位角未知的情况下平均识别率达到96.78%,能够明显地提高目标的识别结果,是一种有效的SAR目标识别方法。
文摘低速率分布式拒绝服务(LDDoS,low-rate distributed denial of service)攻击是一种新型的DDoS攻击方式。LDDoS具有流量小和隐蔽性强的特点,现有的DDoS攻击检测方法不能正确发现LDDoS攻击流量。根据LDDoS攻击流量呈现周期性的特点,采用缓存队列占有率统计的方法,重点研究了受害目标路由器的缓存队列,分别统计分析了正常和攻击流量的占有率,并在NS-2环境中进行了仿真实验,成功提取了LDDoS攻击流量上的2个特征,提高了LDDoS攻击的检测率。
