《重庆理工大学学报(自然科学)》2010年总目次

合集下载

重庆理工大学学报(自然科学)格式模板

重庆理工大学学报(自然科学)格式模板

名中已有的信息.用第三人称,不使用“本文”、“作者”等作为主语.使用规范化的名词术语,新术语或尚无合适的汉文术语的,可用原文或译出后加括号注明.除了无法变通之外,一般不用数学公式和化学结构式,不出现插图、表达简明,语义确切.关键词:关键词1;关键词2;关键词3;关键词4中图分类号:(作者本人填写) 文献标识码:NAME Name 1,Abstract Key words :keyword1; keyword2; keyword3; keyword40 引言引言内容.引言作为论文的开场白,应以简短的篇幅介绍论文的写作背景和目的,以及相关领域内前人所做的工作和研究概况,说明本研究与前人工作的关系,目前研究的热点、存在的问题及作者工作的意义.1、开门见山,不绕圈子.避免大篇幅地讲述历史渊源和立题研究过程.2、言简意赅,突出重点.不应过多叙述同行熟知的及教科书中的常识性内容,确有必要提及他人的研究成果和基本原理时,只需以引用参考文献的形势标出即可.在引言中提示本文的工作和观点时,意思应明确,语言应简练.3、引言的内容不要与摘要雷同,也不是摘要的注释.4、引言要简短,最好不要分段论述,不要插图、列表和数学公式.量的书写规则1pH 采用正体;使用新标准规定的符号;量的符号为单个拉丁字母或希腊字母;不能把量符号作为纯数使用;不收稿日期:xxxx-xx-xx.基金项目:基金项目名称(编号).作者简介: 姓名(出生年-),性别(民族),籍贯,学历,职称,主要研究方向能把化学符号作为量符号使用,代表物质的符号表示成右下标,具体物质的符号及其状态等置于与主符号齐线的圆括号中.注意区分量的下标字母的正斜体:凡量符号和代表变动性数字及坐标轴的字母作下标,采用斜体字母.正文中引用参考文献的标注方法,在引用处对引用的文献,按它们在论著中出现的先后用阿拉伯数字连续排序,将序号置于方括号内,并视具体情1.1 正文内容.单位符号无例外的采用正体字母.注意区分单位符号的大小写:一般单位符号为小写体,来源于人名的单位符号首字母大写.体积单位升的符号为大写1.1.1 正文内容.表格的设计应该科学、明确、简洁,具有自明性.表格应采用三线表,项目栏不宜过繁,小表宽度小于7.5 cm ,大表宽度为12~15cm .表必须有中英文表序、表题.表中顶线与栏目线之间的部分叫项目栏,底线与栏目线之间的部分叫表身.表身中数字一般不带单位,百分数也不带百分号,应把单位符号和百分号等归并在栏目中.如果表中栏目中单位均相同,则可把共同的单位提出来标示在表格顶线上方的右端(不加“单位”二字).表身中同一栏各行的数值应以个位(或小数点),且有效位数相同.上下左右相邻栏内的文字或数字相同2图的规范化正文内容.插图尽可能不用彩色图.小图宽度小于7.5 cm,大图宽度为12~15cm .图必须有中英文图序、图题.函数图只在靠近坐标线处残留一小段标值短线,其余部分省略.加注坐标所代表的量及单位(如t/s).标值排印在坐标外侧,紧靠标值短线的地方;标值的有效数字为3位.图中量的意义要在正文中加以解释.若有图注,靠近放在图图1 图题3正文内容.变量、变动附标及函数用斜体字母表示.点、线段及弧用斜体字母表示.在特定场合中视为常数的参数也用斜体字母表示.对具有特殊定义的函数和值不变的数学常数用正体字母表示.具有特殊定义的算子也用正体字母表示.矩阵符号用大写的黑斜体字母表示,矩阵元素用白斜体字母表示.公式及公式中的符号说明尽量接排以节省版面.把带有复杂上角标的指数函数e t写成exp t.公式的主体应排在同一水平线上;繁分式的主辅线要分清.长公式在运算符号后回行;长分式转行时,先将分母写成负幂指数的形式,然后转行;矩阵和行列式不能转行.矩阵元素包含式子时,每一列应以中心线上下对齐,行要左右排齐;元素为单个字母或数字时,每列应使正负号对齐.对角矩阵中对角元素所在的列应明显区分,不能上下重叠.简单的和常识性的运算公式和推导过程不要列写.4结束语正文内容.结论不应是正文中各段小结的简单重复,它应以正文中的实验或考察得到的现象、数据的阐述分析为依据,完整、准确、简洁地指出以下内容:1)由对研究对象进行考察或实验得到的结果所揭示的原理及其普遍性;2)研究中有无发现例外或本论文尚难以解释和解决的问题;3)与先前发表过的研究工作的异同;4)本文在理论上和实用上的意义及价值;5)进一步深入研究本课页码).[2]作者. 析出文献题名[C]//论文集名.出版地:版年.[3]作者.书名[M].版本(第一版不写).出版地:出版者,出版.文献题名[D].保存地点:[5]作者. 文献题名[R].[6]作者. 文献题名[EB/OL]. [电子文献的出处或可获得地址.[7]专利所有者.专利题名[P].[N].报纸名,,标准名称[S][Z].出版地:。

重庆理工大学2010综合课程设计指南

重庆理工大学2010综合课程设计指南

请同学们参照我在填题目表里在李勤那行标注的填的信息;选题表里的选题方向一栏是根据本表的8个(本页最后面以标注)方向填写,现在预填选题表,到时老师可能会根据学生选题的情况调整,注意方向要求。

若出现老师的同一题目可能自己不能判断方向,则在选题表里的所选方向一栏可不填。

其他信息尽量填写。

综合课程设计教师和部分题目列表1.徐世军、张光建、刘政课程设计题目(1)DSP数据采集程序设计题目简介:基于Ti公司TMS320F2810数字信号处理器的数据采集及分析,编程环境为CCS(2)DSP100C主板测试程序设计题目简介:基于Ti公司TMS320F2810数字信号处理器的主板测试程序,测试A/D 口、I/O口、RS485通讯口、CAN通讯口等,编程环境为CCS(3)基于DSP的FFT程序设计题目简介:基于Ti公司TMS320F2810数字信号处理器的快速傅里叶程序设计,分析电力参数等,编程环境为CCS(4)LPC2114的A/D程序开发题目简介:用LPC2114的ADC0.0采集一直流电压,当电压超过一规定值时点亮LED1。

(5)LPC2114的串口MODBUS ASCII通讯协议程序开发题目简介:用LPC2114开发实现MODBUS ASCII通讯协议。

(6)LPC2114的串口MODBUS RTU通讯协议程序开发题目简介:用LPC2114开发实现MODBUS RTU通讯协议。

(7)LPC2114与MAX7219的SPI同步串行LED显示接口程序开发题目简介:用LPC2114的SPI接口与MAX7219发送数据,MAX7219译码驱动7段数码管。

(8)LPC2114串行及A/D数据采集程序设计题目简介:用VC或VB语言设计RS232通讯A/D采集程序(9)LPC2114正弦波信号采集数据信号分析程序设计题目简介:用VC或VB语言分析、显示已采样到的正弦波信号,实现简单的虚拟示波器(10)基于Linux的S3C2410 ADC驱动程序开发(11)基于Linux的AX88796网卡驱动程序开发(12)基于Linux的SD卡驱动程序开发(13)S3C2410 A/D数据采集程序设计2.范伟(1)车载GPS+GPRS位置服务软件开发(2)车载GPS位置智能服务算法设计与实现(3)积分会员网上对账系统的设计(4)礼品魔方的网上展示系统的设计3.谭智(1)自动控制方向的算法研究。

《重庆理工大学学报(自然科学)》再次入选“RCCSE中国核心学术期刊”

《重庆理工大学学报(自然科学)》再次入选“RCCSE中国核心学术期刊”

白俊 江. 微 型汽车传动轴动力特性对整 车振 动影响的
设计 与 分 析 [ J ] . 上 海理 _ T - 大 学 学报 , 2 0 1 5( 1 ) : 6 7

研究[ D] . 武汉: 武汉理工大学. 2 0 1 1 . 尹可 , 宋向荣. 客车异 常振 动噪声 的分析和控 制[ J ] . 噪声与振 动控制 , 2 0 1 1 , 8 ( 4 ) : 1 0 2—1 0 5 . 尹浚. 汽车传动 轴振动 分析 [ J ] . 轻 型汽 车技 术 , 1 9 9 8
版社 。 2 0 0 6: 4—9 .
通过 仿真 验证 了橡胶 支 撑 圈 变 刚度 特 性 , 并 通
过 实 车振 动试 验验 证 了 橡 胶 支 撑 圈 的减 振 效 果 。 只要合 理地 设 计 并 恰 当 地 确 定 橡 胶 支 撑 圈 刚 度 、 阻尼 、 质 量 和安装 位 置等 特 征 参 数 , 就 可 以最 大 程 度 上降 低甚 至 消除 与汽 车传 动轴 相关 的车 辆 Ⅳ 日 问题 , 大大地 提 高汽 车乘 坐舒 适性 。
( 3 ) : 2 7— 3 8 .
7 2.
[ 1 2 ]叶黔 元, 朱继梅 , 陆鹏. 变刚度转子的参数分析[ J ] . 上
海理工大学学报 , 2 0 0 2 , 2 4 ( 3 ) : 2 7 7— 2 8 0 .
( 责 任编辑

舸)
胡乃杰, 黄波. 微 车 用 传 动 轴 中 间 支 撑 的 刚 度 分 析 与
配整 车平顺 性 的仿 真分析 [ J ] . 工程设 计 学报 , 2 0 0 7
( 6 ) : 4 6 8— 4 7 0 .
研究与解决[ J ] . 装 备 制 造技 术 , 2 0 1 2 , l 1 ( 2 ) : 1 9 5

电动助力转向系统建模及仿真

电动助力转向系统建模及仿真

第24卷Vol .24 第3期No .3重庆理工大学学报(自然科学)Journal of Chongqing University of Technol ogy (Natural Science )2010年3月Mar .2010 3 收稿日期:2009-12-16基金项目:江苏省汽车工程重点实验室开放基金项目(QC200703);2009年度扬州大学大学生学术科技创新基金资助项目作者简介:钱学武(1981—),男,山东临沂人,硕士研究生,主要从事汽车电子控制技术研究;马明星(1974—),男,安徽巢湖人,博士,副教授,硕士生导师,主要从事汽车系统动力学和汽车电子控制技术等方面的研究。

电动助力转向系统建模及仿真3钱学武,马明星,徐国民,管延才(扬州大学机械工程学院,江苏扬州 225127)摘 要:建立了电动助力转向系统主要部分的数学模型,根据助力原理设计了助力特性曲线,采用Matlab /Si m ulink 工具箱建立了无电机助力、无P I D 控制算法助力和有P I D 控制算法助力的仿真模型。

分析了3种模型的仿真结果,为进一步控制系统性能研究提供依据。

关键词:助力特性;Matlab;P I D中图分类号:U463.4 文献标识码:A文章编号:1674-8425(2010)03-0014-04S im ul a ti on and M odeli n g of Electr i c Power Steer i n g SystemQ I A N Xue 2wu,MA M ing 2xing,XU Guo 2m in,G UAN Yan 2cai(School of M echanical Engineering,Yangzhou University,Yangzhou 225127,China )Abstract:A t first,the mathe matic models of electric power steering syste m is built .The assisting characteristics curve is designed according t o the assisting p rinci p le,and si m ulati on models of syste m s with no power mot or,no P I D contr ol assist and with P I D contr ol assist are built thr ough Matlab /Si m u 2link t oolbox .A t last,the si m ulati on results of the three models are analyzed t o p r ovide reference f or further study on the perfor mance of contr ol syste m.Key words:assist characteristic;Matlab;P I D1 系统组成及工作原理电动助力转向系统(electric power steering,简称EPS )主要由机械转向系统、转矩传感器、车速传感器、电流传感器、控制单元(ECU )、离合器、助力电动机及减速机构等组成,如图1所示。

《重庆理工大学学报(社会科学)》2010年总目次

《重庆理工大学学报(社会科学)》2010年总目次

逻 辑 学 与科 学 方 法 论
迪昂 一蒯 因问题及其解答 ………… ………………………………………… …… ……………………………… 陈晓平(/ 4 11) 论佩 利类 比设计论证 的力量 ……… …… …………………………………… …… ……………………………… 胡 浩(/ 0 12 )
《 重庆理工大学学报( 社会科学) 21 年总 目次 )00 )
第2 4卷
总第 19 2 1 7 ~ 0 期
( 号中“ ” 前是期号 ,/ 号后是页码) 括 /号 “”
21 0 0钲


中国 现 代 兵 工 的开 拓 者 —— 记重庆理 工大 学创始人李承千先生 …… … … … … … … … … … … … … … … … … … … 郑 洪 泉 ( 0 1 1/ )
国情调研
济源统筹城 乡发展推进城 乡一体 化成效显著
… … … 一 … … … … … … … … … … … … … … … ・
国务 院发展研 究中心 “ 中国特 色城镇化 的战略 与政 策研 究” 课题组 (/ ) 4 1
加 快 我 国数 字 电视 产 业 发展 的 思 路 和 建 议 … … …… … … … … … … … … … … … … … … … …… … … 王 忠宏 张 弘 (/ ) 4 5 晋 南 农 民外 出务 工 状 况 调 查 报 告 … … … … … … … … … …… … … … … … … … … … … … … … … …… … … … 薛俊 丽 ( /0 4 1)
充分 条件 关系及其两个特异性 …… …… …………………………………… …… ……………………………… 龚启 荣(/ 5 22 ) 互模 拟的含义 、 特征及 主要应用 ……… ………………………………………… …… ………………………… 姚从 军(/ 0 23 )

基于LabVIEW和小波分析的电力电缆故障定位方法

基于LabVIEW和小波分析的电力电缆故障定位方法

第24卷Vo.l 24 第1期No .1重庆理工大学学报(自然科学)Journal of Chongq i ng Un i versity of Technol ogy(N atura l Sc i ence)2010年1月Jan .2010* 收稿日期:2009-12-15基金项目:国家自然科学基金资助项目(60962008);广西青年基金资助项目(桂科青0728008)作者简介:龚仁喜(1962)),男,广西桂林人,教授,博士生导师,主要从事电力电子技术及应用和智能检测技术方面的研究。

基于Lab VI E W 和小波分析的电力电缆故障定位方法*龚仁喜,宁存岱,谢井华,秦国栋(广西大学电气工程学院,南宁 530004)摘 要:在分析行波法故障测距误差的基础上,根据小波变换模极大值在不同尺度下的特性,运用自相关分析提供的约束条件,基于LabV I E W 平台,实现了对故障信号的准确识别和定位,准确测算出故障点的位置。

大量的仿真测试表明,该方法故障测距精度较高,定位较为准确,同时具有界面友好、维护和升级方便、成本低廉、整个系统的功能可根据用户的具体要求实时调节等优良性能。

关键词:小波变换;脉冲法;模极大值;行波检测;虚拟仪器中图分类号:T M714 文献标识码:A文章编号:1674-8425(2010)01-0065-06Study on M ethod for P o w er C ab le Fau lt L oca tion Ba sedon LabV IEW and W avelet Ana lysisGONG R en 2x,i NI NG Cun 2da,i XI E Ji n g 2hua ,QI N Guo 2dong(Coll ege of E lectr i ca l Engi neering ,GuangxiUn i versity ,N ann i ng 530004,China)A bstra ct :On the basis of the analysis of the error f or cable l o cation in traditi o na l trave ling wave i m pu lse l o cation method ,t h e i m ple mentation of the exact recogn ition of t h e f ault signal and location ismade on the LabV I E W p l a tf or m based on the diff erent characteristics of wavelet transf or m modu l u s maxi m u m i n t h e d iff erent sca les and restr i c ti o n cond itions obtained by autocorrelati o n ana l y sis .A lar ge number of si m ulation tests sho w that the method has the excellent characteristics of the high fault locati o n precisi o n ,friendly hu m an 2m ach i n e interf ace ,conven i e n t ma i n tenance and upgrading ,lo w costs ,and the f u ncti o ns of the syste m can be regulated i n ter m of the require ments of users .K ey w ord s :wavelet transf or m ;pu lse method ;modulus maxi m a ;trave ling wave detection ;virtua l instrument近年来,随着电力电缆应用成本的下降和城市电网改造及城市美化工程的需要,地下电力电缆在电网中所占的比例越来越大。

重庆理工大学学报(社会科学版)

重庆理工大学学报(社会科学版)

据2019年6月《重庆理工大学学报(社会科学版)》官显示,《重庆理工大学学报(社会科学版)》第十二 届编辑委员会共有顾问1人,中国国内委员63人,国际委员6人 。
2015年11月11-13日,由国家自然科学基金委员会管理科学部、中国“双法”研究会能源经济与管理研究分 会、暨南大学联合主办的“第六届能源经济与管理学术年会暨第九届中国能源资源开发利用战略学术研讨会”在 广州举行,《重庆理工大学学报(社会科学版)》编辑部主任魏艳君、编辑许若茜作为会议支持期刊代表应邀参 加会议 。
3、论文必须包括(按顺序):题目、作者姓名、作者单位(注明所在地)及、作者有关情况(性别、出生年 月、学历、职称、职务、主要研究方向等)、中文摘要(300字以内)、关键词(3~8个)、正文,具体要求请参 考写作模板。
4、来稿必须包含英文摘要,一般与中文摘要内容相对应,包括:题目、作者姓名(用汉语拼音)、作者单位 及、摘要正文、关键词 。
重庆理工大学学报(社会科学 版)
重庆理工大学主办的学术刊物
01 办刊历史
03 办刊成果
目录
02 办刊条件 04 文化传统
《重庆理工大学学报(社会科学版)》创刊于1987年,是由重庆市教育委员会主管、重庆理工大学主办的学 术刊物。
据2019年6月《重庆理工大学学报(社会科学版)》官显示,《重庆理工大学学报(社会科学版)》第十二 届编辑委员会共有顾问1人,中国国内委员63人,国际委员6人。
办刊成果
出版发行 影响因子
收录情况 荣誉表彰
据2019年6月14日中国知显示,《重庆理工大学学报(社会科学版)》出版文献共4767篇 。
据2019年6月14日万方数据知识服务平台显示,《重庆理工大学学报(社会科学版)》载文量为4555篇、基 金论文量为1775篇,2006-2013年共发表逻辑学论文292篇 。

《重庆理工大学学报(社会科学)》投稿须知

《重庆理工大学学报(社会科学)》投稿须知
/)IT'
~§I :.EL!~-37~-,
-L=]=_:-J;)±L,;'-~f'f=i.:x±..:.\L'~/lIlE:!:J3-'-A-c=~1Q=-*1lt'J:G,
~/+A~T~"-"l<:T='lI=~l~'
A;iAmJ'..[!:p!r:!'I--+A-::::::tZ=~.--7>--i,=~J.,=t,z_-,:,l,t;l1:<l7i1lEJlii±±' iI !c
N*il* o ~rt~mword2003~&~it~$ij~~$~, #t~fi:>(Jllfn(i;~J'E-~-5 o IE:£$8J~~@ffl~41-t*~, #1±
~-/)\.~I.ffiB1~6:~~1J.ti3'X. o
5, ;.t~~L ;.t~~~x1:£~p;iajt~J:Ep;ig ( s lffl~$ltJ.!:i, x.ffi,efo~a~) itt-zt:~n~:9.\GfH''ti~BJ3, ~J~!n;.tajnrt
*~' x)(:f5z1'BJffl~*f4t§~); (2)~-11=iff§Jfl': ~i:;S, ~.RfB\, #JJJ, nJT~nloJ; (3)~~I0El: rm§
~§U, rmEJ1SfB\, rm§~-5 0
- ' 1;t1?Llbt~:>J<
1,~:f5 o G1SBz*f§J~~, ~~•t5:£~ffi~~p;ig,-~/F~rr201'$, £~~~~,-~/F~ct

重庆理工大学学报(自然科学版)

重庆理工大学学报(自然科学版)

办刊条件
人员编制
栏目方向
学术交流
栏目方向
《重庆理工大学学报(自然科学版)》主要设有车辆工程、机械.材料、能源.环境、电子.自动化、信息.计 算机、药学.医学、数学.统计学、生物工程、数理化、编辑论坛等栏目 。
《重庆理工大学学报(自然科学版)》主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重 要学术问题的评述和学科前沿的综述 。
办刊历史
办刊历史
1987年,重庆工业管理学院学报正式创刊。 1994年,该刊刊期确定为季刊。 1997年,该刊刊期由季刊变更为双月刊。 2000年,该刊更名为《重庆工学院学报》。 2005年,该刊刊期由双月刊变更为月刊。 2007年,该刊更名为《重庆工学院学报(自然科学版)》。 2010年,该刊更名为《重庆理工大学学报(自然科学版)》 。 2017年4月,该刊成为中国原国家新闻出版广电总局第二批认定学术期刊 。
重庆理工大学学报(自然科学 版)
重庆理工大学主办的学术期刊
01 办刊历史
03 办刊成果
目录
02 办刊条件 04 文化传统
基本信息
《重庆理工大学学报(自然科学版)》创刊于1987年,是由重庆市教育委员会主管、重庆理工大学主办的学 术刊物。
据2019年6月《重庆理工大学学报(自然科学版)》官显示,《重庆理工大学学报(自然科学版)》第十二 届编辑委员会共有中国国内委员70人,国际委员17人,理事单位共有20家,合作单位共有3家。
2011年、2013年、2015年,《重庆理工大学学报(自然科学)》连续3次入选“RCCSE中国核心学术期 刊” 。
荣誉表彰
2001年,该刊获得“全国首届《CAJ-CD规范》执行优秀奖期刊奖。 2007年起,该刊连续7次获得重庆市一级期刊奖。 2009、2011、2013、2014、2015年,该刊获得教育部“中国科技论文在线优秀期刊”一等奖。 2012年,该刊获得教育部“中国科技论文在线优秀期刊”二等奖。 2016年,该刊获得中国高校优秀科技期刊奖 。

结构变量对轿车前保险杠防撞梁的影响

结构变量对轿车前保险杠防撞梁的影响

第24卷Vol .24 第1期No .1重庆理工大学学报(自然科学)Journal of Chongqing University of Technol ogy (Natural Science )2010年1月Jan .2010 3 收稿日期:2009-10-09基金项目:重庆市教委自然科学基金资助项目(KJ080618);重庆市重大科技攻关项目(CSTC,2007AA6009)作者简介:邓国红(1965—),男,四川人,教授,主要从事车辆系统动力学及其控制研究。

结构变量对轿车前保险杠防撞梁的影响3邓国红,姚 疆,欧 健,张 勇,杨鄂川,吴祖兴(重庆理工大学重庆汽车学院,重庆 400050)摘 要:提高燃油经济性已成为新车开发中的一个核心问题,其中改进燃油经济性的重要策略之一就是减轻汽车质量。

为了尽可能达到轻量化的目的,分析了保险杠防撞梁的结构变量对其扭转刚度的影响,对保险杠防撞梁的截面高度、厚度的增加以及撑条的增多对其扭转刚度的影响进行了详细的研究和比较.分析结果表明,增加截面高度是提高保险杠防撞梁扭转刚度的最有效方法.此外,为了验证轻量化潜在的可行性,对由传统钢材和高强度钢制成的2种保险杠防撞梁的碰撞能力进行了分析比较.所得的分析结果为保险杠的防撞设计提供了理论依据,对保险杠的设计及结构优化具有参考价值.关键词:轿车车身;保险杠;碰撞;轻量化中图分类号:U471.3 文献标识码:A 文章编号:1674-8425(2010)01-0018-05Ana lysis on Effect of Structura l Var i a bles onAuto m ob ile Fron t Bu m per I m pact BeamDENG Guo 2hong,Y AO J iang,OU J ian,ZHANG Yong,Y ANG E 2chuan,WU Zu 2xing(Chongqing I nstitute of Aut omobile,Chongqing University of Technol ogy,Chongqing 400050,China )Abstract:I ncreasing fuel economy has been a central issue in the devel opment of ne w cars,and one of the i m portant strategies t o i m p r ove fuel economy is t o decrease vehicle weight .I n this study,theeffects of structural variables on the t orsi on stiffness of a body bu mper i m pact bea m are analyzed f or possible weight reducti on and the effects of variati on of secti on height,increase of i m pact bea m thickness and the additi on of stays in a bumper i m pact bea m are carefully investigated and compared .Analysis results show that the most effective way t o increase the t orsi on stiffness of the bumper i m pact bea m is f ound t o be increasing the secti on height .I n additi on,t o de monstrate the potential for overall weight reducti on of the i m pact bea m ,the crash capabilities of t w o bumpersmade of conventi onal steels and of high 2strength steel (bor on steel ).The conclusi on and analysis p r ovide theoretical basis f or the design of op ti m al bumper i m pact bea m s and theref ore,have i m portant inferential value f or the design and structural op ti m izati on of bu mpers .Key words:aut o mobile body;bumper;i m pact;weight reducti on 轿车保险杠是一种防护车身前后部的安全装置,在低速碰撞过程中,它能保护司乘人员的安全。

《重庆理工大学学报(自然科学)》2010年总目次

《重庆理工大学学报(自然科学)》2010年总目次

《重庆理工大学学报(自然科学)》2010年总目次
佚名
【期刊名称】《重庆理工大学学报》
【年(卷),期】2010(000)012
【总页数】6页(PI0001-I0006)
【正文语种】中文
【中图分类】T
【相关文献】
1.华东师范大学学报(自然科学版)2010年总目次(总第149-154期) [J],
2.成都理工大学学报(自然科学版)第37卷(2010年)总目次第1期(总第158期) [J],
3.《厦门大学学报(自然科学版)》2010年第49卷(总第214~219期)总目次 [J],
4.安徽师范大学学报(自然科学版)第33卷第1-6期(总第120-125期)2010年总目次 [J],
5.《长沙理工大学学报(自然科学版)》2010年第7卷总目次(总第25~28期) [J],因版权原因,仅展示原文概要,查看原文内容请购买。

《重庆工学院学报(自然科学)》2007年总目次

《重庆工学院学报(自然科学)》2007年总目次

《重庆工学院学报(自然科学)》2007年总目次

【期刊名称】《重庆工学院学报》
【年(卷),期】2007(021)023
【总页数】12页(PI0001-I0012)
【作者】无
【作者单位】无
【正文语种】中文
【中图分类】T
【相关文献】
1.内蒙古农业大学学报(自然科学版)2007年第28卷第1期~第4期(总第88~92期)总目次 [J],
2.《重庆工学院学报(自然科学)》2009年总目次 [J],
3.宁德师专学报(自然科学版) 2007年第19卷第1~4期 (总第73~76期) 总目次[J],
4.《黑龙江工程学院学报(自然科学版)》2007年第21卷(总第51~54期卷终)总目次 [J],
5.《长沙理工大学学报(自然科学版)》2007年第4卷总目次(总第13~16期) [J],因版权原因,仅展示原文概要,查看原文内容请购买。

基于PCA的BP神经网络分类器_黄勤

基于PCA的BP神经网络分类器_黄勤

第23卷 第7期V o.l 23N o .7重庆工学院学报(自然科学)Journal o f Chongq i ng Instit ute o f T echno logy(N atura l Sc ience)2009年7月Ju.l 2009*收稿日期:2009-03-20基金项目:重庆市自然科学基金资助项目(CSTC ,2005BA 2003).作者简介:黄勤(1960 ),女,重庆人,教授,硕士生导师,主要从事信息安全、计算机硬件技术方面的研究;刘益良(1948 ),男,副教授,硕士生导师,主要从事信息安全、远程医疗及远程诊断系统方面的研究.基于PCA 的BP 神经网络分类器*黄 勤1,常 伟1,刘益良2,刘衍鹏1(1.重庆大学自动化学院,重庆 400030;2.重庆理工大学化学与生物工程学院,重庆 400050)摘 要:由于入侵检测处理的多为高维数据,为了提高入侵检测的效率和准确率,提出了一种基于主成分分析(PCA )的特征提取方法,对数据源进行特征降维,将获得的主成分作为BP 神经网络的输入进行数据识别.同时介绍了M atl ab 中相关函数,并与传统入侵检测方法进行了比较.实验结果表明:基于主成分分析的特征提取方法在简化BP 神经网络规模的同时,显著提高了入侵检测识别效果.关键词:入侵检测;主成分分析;特征提取;BP 神经网络;M atlab中图分类号:TP393.08 文献标识码:A文章编号:1671-0924(2009)07-0089-08BP N eural N et w ork C lassifier B ased on Pri nci pal Co mponent AnalysisHUANG Q in 1,CHANG W ei 1,LIU Y i liang 2,LIU Y an peng1(1.Co ll ege o fA utom ati on ,Chongqi ng U niversity ,Chongqing 400030,Ch i na ;2.Schoo l of B i o l og ical Eng i nee ri ng ,Chongqi ng U n i v ers it y o f T echno logy ,Chongqi ng 400050,China)Abst ract :A feature extracti o n m et h od usi n g pri n cipa l co m ponen t analysi s is proposed to i m prove the effic i e ncy and accuracy o f i n trusion detection,wh ich al w ays has high-d i m ensi o na ldata .Th ism ethod reduces data d i m ensi o ns and v ie w s so m e princi p al co m ponents as the inputs o f BP neura l net w or k to fi n ish data recogn iti o n.M eanw hile ,this paper intr oduces so m e correlative functions used i n MATLAB and m akes a co m parison w ith trad itional i n trusion detecti o n m ethod .The experi m enta l results show that t h e scale o f BP neural net w o r k i s si m plifi e d and recognition effect is i m proved re m arkably .K ey words :i n trusion detection;feat u re extracti o n ;pri n c i p al co m ponent analysis ;BP neura lnet w or k ;M atlab随着计算机和互联网技术的迅速发展,信息和网络安全问题也随之而来.入侵检测系统[1](intrusion detection syste m,简称I D S)作为一种主动的信息安全保障措施,已成为继防火墙之后的第二道安全防线.入侵检测实际上是把异常数据从正常数据中分离出来,因而可以转化为对数据的模式识别问题.传统的入侵检测信息流程[2]如图1所示.从图1中可以发现,特征提取器和分类器是整个入侵检测系统中最主要的2个模块,对它们的研究也是入侵检测领域的热点.由于入侵检测处理的多为海量高维数据,本文中提出了一种基图1 入侵检测系统信息流程于主成分分析[3](pri n cipa l co m ponent analysis,简称PC A)的特征提取方法,在保留原始数据所有信息的基础上对数据源进行降维处理,克服了传统的特征选择[4]单纯删除原始数据某些维数所带来的信息量不全的缺陷.在分类器的设计上,常用的有基于概率统计的贝叶斯分类器[5]、判别函数分类器[6]、粗糙集分类器[7]等.本文中采用的是BP 神经网络分类器,充分利用了BP神经网络对非线性函数良好的逼近及映射能力.仿真实验表明,基于PC A的BP神经网络对入侵检测数据具有良好的识别效果.1 主成分分析法1.1 PC A基本原理假定数据源中的每个数据有n个特征(维数) x1,x2, ,x n,经过主成分分析,将它们综合成为n 个综合变量,即y1=c11x1+c12x2+ +c1n x ny2=c21x1+c22x2+ +c2n x ny n=c n1x1+c n2x2+ +c nn x n(1)并且满足c2k1+c2k2+ +c2kn=1(k=1,2, ,n),其中cij由下列原则决定:y i与y j(i j;i,j=1,2, ,n)相互独立.y1是x1,x2, ,x n满足式(1)的一切线性组合中方差最大者,y2是与y1不相关的x1,x2, , x n的所有线性组合中方差次大者,以此类推,y n是与y1,y2, ,y n都不相关的y1,y2, ,y n-1的所有线性组合中方差最小者.这样决定的综合指标因子y1,y2, ,y n分别被称为原变量的第1、第2、 、第n个主分量,它们的方差依次递减.其数学推导为设X=[x1,x2, ,x n]T,Y=[y1,y2, ,y n]T,则式(1)的矩阵形式为Y=C X,C为正交矩阵,满足CC T=I,I为单位矩阵.由于变换后所有点在y1轴上有最大方差,在y2轴上有次大方差,以此类推,在yn轴上有最小方差.同时,所有点对不同的y i轴和y j轴的协方差i j为零,故要求Y的协方差满足YY T=(CX)(CX)T=C XX T C T= (2)其中=12n假定X为已经标准化处理后的数据矩阵,则XX T 为原始数据的相关矩阵.令R=XX T,则式(2)可表示为CRC T= .C T左乘该式,有RC T=C T (3)写成代数式为r11r12 r1nr21r22 r2nr n1r n2 r nnc11c21 c n1c12c22 c n2c1n c2n c nn=c11c21 c n1c12c22 c n2c1n c2n c nn10 00 2 000 n将上式全部展开得到n2个方程,在矩阵乘积中由第1列得出的n个方程为(r11- 1)c11+r12c12+ +r1n c1n=0r21c11+(r22- 1)c12+ +r2n c1n=0r n1c11+r n2c12+ +(r nn- 1)c1n=0求齐次方程组的非零解,要求关于c ij的系数行列式为0,即90重庆工学院学报r 11- 1r 12 r 1n r 21r 22- 1r 2n r n 1r n 2r nn - 1=0写成矩阵形式为|R - I |=0.对于 2, 3, , n ,可以得到完全类似的方程,故 j (j =1,2, ,n )是|R - I |=0的n 个根, 为特征方程的特征根,相应的各个c ij 为其特征向量的分量.设R 的n 个特征值 1> 2> > n 0,相应于 i 的特征向量为C i ,令C =[C 1,C 2,C n ],相对于y 1的方差为V ar (C 1X )=C 1XX TC T1=C 1RC T1= 1同样有V ar (C i X )= i即对于y 1有最大的方差,y 2有次大的方差,并且有协方差C ov (C i TX T,C j X )=C i TRC j(4)由式(3)得R =na=1a C a C T a,所以式(4)可变为Cov (C TiX T,C j X )=C T iRC =C Ti(na =1a C a C Ta)C j=na =1a (C T i C a )(C Ta C j )=0(i j)故y 1=C T1X,y 2=C T2X, ,y n =C Tn X,y 1,y 2, ,y n 彼此不相关,并且y i 的方差为 i .第i 个主分量的贡献率定义为 i /nk=1k (i =1,2, ,n ),前m 个主分量的累计贡献率定义为mi=1i / nk =1k ,选取前m (m <n )个主分量,使其累积贡献率达到一定的要求(如80%~90%,本文中为90%),以前m 个主分量代替原始数据做分析,便可达到降低原始数据维数的目的.1.2 M atlab 中PCA 相关函数[8]1)princo mp 功能:主成分分析.格式:[PC ,SCORE ,LATENT,TSQUARE ]=pr i n co m p (X )说明:右端的X 为标准化后的数据矩阵.左端为函数返回值,其中PC 为各主成分.SCORE 为主成分得分,表明变换后X 各元素在新坐标系中的位置.LATENT 为X 的协方差矩阵的特征值(若X 经过标准化处理,则X 的协方差矩阵与相关系数矩阵为同一矩阵).TSQUARE 为X 中每个元素的H otelli n g s T squared 的统计量.2)pcacov功能:运用协方差矩阵进行主成分分析格式:[PC ,LATENT,EXPLA I N ED ]=pcacov (V )说明:右端的V 为标准化后的数据矩阵X 的协方差矩阵.左端为函数的返回值,其中PC 为各主成分.LATENT 为X 的协方差矩阵的特征值.EXPLAI N ED 为每个特征向量表征在观测量总方差中所占的百分数.3)zscore功能:对矩阵进行标准化.格式:X =zscore (A )说明:A 为原始数据矩阵,X 为标准化后的数据矩阵.4)cov功能:求矩阵的协方差矩阵.格式:V =cov (X )说明:V 为矩阵X 的协方差矩阵.2 BP 神经网络2.1 人工神经网络用于入侵检测的优势人工神经网络是模拟人脑加工、存储和处理信息机制而提出的一种智能化信息处理技术.从本质上讲,实现的是一种从输入到输出的映射关系,其输出值由输入样本、神经元间的连接权值以及传递函数所决定.通过训练和学习过程来修改91黄 勤,等:基于PCA 的BP 神经网络分类器网络连接权值,神经网络就可以完成所需的输入 输出映射.将其应用于入侵检测,具有以下优势:1)神经网络具有概括和抽象能力,对不完整输入信息具有一定的容错处理能力.在网络环境中,常常会出现信息丢失不完整或者变形失真的情况,神经网络的非线性处理和概括抽象的特性对于处理此类情况是非常适合的.2)神经网络具备高度的学习和自适应能力.通过对输入正常样本和异常样本的不断训练学习,神经网络不仅能够以很高的准确率识别出训练样本中已知的入侵行为特征,而且能够以一定的概率识别出新的入侵行为特征和已知入侵行为的变形形式.3)神经网络所独有的内在并行计算和存储特性.在传统的计算技术中,计算和存储是完全独立的2个部分,计算器和存储器之间的传输带宽成为制约计算机性能的瓶颈.而在神经网络模型中,信息的存储和计算从本质上是合二为一的.各个神经元的工作方式本质上是完全并行的,从输入到输出的计算过程实质上就是权值的传递过程,而在权值传递的过程中,就同时完成了信息的存储过程.对入侵检测来说,就意味着在更短时间内发现入侵行为,减少损失.2.2 BP神经网络模型及学习步骤BP神经网络通常采用3层结构,即输入层、隐层和输出层.上下层之间完全连接,而每层神经元之间无连接.当一对学习样本提供给网络后,神经元的激活值从输入层经隐层向输出层传播,在输出层的各神经元获得网络的输入响应.接下来,按照减少目标,输出与实际输出之间误差的方向,从输出层反向经过隐层回到输入层,逐层修正各连接权值.随着这种误差逆向的传播修正不断进行,网络对输入模式响应的正确率也不断上升.BP 神经网络的模型如图2所示,其中:网络输入向量为P=(a1,a2, ,a n);网络目标向量为T=(y1, y2, ,y q);隐层输入向量为S=(s1,s2, ,s p),输出向量为B=(b1,b2, ,b p);输出层输入向量为L图2 3层BP神经网络模型=(l1,l2, ,l q),输出向量为C=(c1,c2, ,c q);输入层至隐层的连接权值为w ij,隐层至输出层的连接权值为v jt,隐层各单元的输出阈值为 j,输出层各单元的输出阈值为 t(i=1,2, ,n;j=1,2, ,p;t=1,2, ,q).BP神经网络的学习步骤为:1)初始化.给w ij,v jt, j, t赋予区间(-1,1)内的随机值.2)随机选取一组输入和目标样本P k=(a1k, a2k, ,a n k),T k=(y1k,y2k, ,y q k)提供给网络. (k=1,2,, ,m).3)计算S,B.s j=ni=1w ij a i- j,B=f1(S).4)计算L,C.l t= p i=1v jt b i- t,C=f2(L).5)计算输出层各单元的一般化误差,d k t=(y k t-c t)c,t(1-c t)t=1,2, ,q6)计算隐层各单元的一般化误差,e k j= q t=1d t v jt b j(1-b j)7)修正v jt和 t.v jt(N+1)=v jt(N)+ d t k b jt(N+1)= t(N)+ d t k(t=1,2, ,q;j=1,2, ,p;0< <1)8)修正w ij和 j.w ij(N+1)=w ij(N)+ e j k a ij(N+1)= j(N)+ e j k(i=1,2, ,n;j=1,2, ,p;0< <1)9)随机选取下一个学习样本提供给网络,返回到步骤(3),直到m个训练样本训练完毕.10)重新从m个学习样本中随机选取一组输入和目标样本,返回步骤3),直到网络全局误差E (本文中指的均方误差)小于预先设定的一个极小值 (本文中为0.001),即网络收敛.如果学习次92重庆工学院学报数大于预先设定的值,网络就无法收敛.11)学习结束.2.3 M atlab中BP神经网络相关函数1)ne w ff功能:创建BP神经网络格式:net=ne w ff(PR,[S1,S2],{TF1,TF2},BTF, BLF,PF)说明:PR为R 2矩阵,指定输入向量P各元素的取值区间(最大值和最小值),R为输入向量元素数目.S1为隐层神经元数目,其值的选择是一个十分复杂的问题,需要根据经验和多次实验来确定,不存在一个理想的解析式.参考公式为S= n+m+a,其中,m为输出神经元数,n为输入单元数,a为[1,10]的常数;S2为输出层神经元数目,本文中为1.TF为传输函数,其中TF1为输入层到隐层的传输函数,本文中采用的双曲正切S形传输函数 tansi g ;TF2为隐层到输出层的传输函数,本文中使用的对数S形传输函数 l o gsig .BTF为BP神经网络的训练函数,缺省值为 tra i n gdx (以学习率可变的动量BP算法修正神经网络的权值和阈值).本文中使用的 trai n l m (采用Leverberg M arquar dt算法的变梯度反向传播算法).BLF为BP神经网络的权值和阈值学习函数,缺省值为 lear ngdm (加动量因子的梯度下降法权值/阈值学习函数).PF为误差性能函数,缺省值为 m se (均方误差性能函数).2)nn too l功能:打开图形用户界面的神经网络工具箱格式:nntool说明:nntool打开N er w ork/D ata M anager窗口,用户可以在该窗口导入、创建、使用和导出神经网络和数据.3 仿真实验与结果3.1 实验数据集实验中采用的是入侵检测领域比较权威的KDD CUP1999数据集[9].数据集中包含正常数据与多种异常数据,涉及4大类22小类入侵攻击行为:DOS(拒绝服务攻击);R2L(远程非授权访问攻击);U2R(非授权得到超级用户权限攻击); PROBE(漏洞探测与扫描攻击).每条数据包含41个特征属性(维数),其中34个为连续变量,7个为符号变量.典型的数据格式为:0,tcp,http,REJ,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,1,1,0.00,0.00,1.00,1.00,1.00, 0.00,0.00,61,2,0.02,1.00,0.02,1.00,0.00,0. 00,0.97,1.00,i p s w eep.3.2 数据预处理数据集提供的kddcup.data.corrected文件中共包含4898431条原始数据,运用SQL2000数据库删除重复记录,得到1074992条有效数据,其分布为:Nor m al(812,814),DOS(247,267),R2L (999),U2R(52),PROBE(13,860).由于每条数据的2、3、4维均为非数值形式, M atl a b无法识别,必须进行数值化.统计各维中出现的内容,按字母排序,并以序号代替原内容,上述数据被转化为:0,2,22,2,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,1,1,0.00,0.00,1.00,1.00,1.00,0.00, 0.00,61,2,0.02,1.00,0.02,1.00,0.00,0.00, 0.97,1.00,ips w eep.运用SQL2000数据库,将数值化后的数据按照攻击方式分类,保存在不同文档中,并仅保留41位数值部分.对某种攻击类型进行识别前,按10:1的比例从Nor m al和该类攻击中随机选取数据,并按5:1的比例分别保存在PTra i n.txt和PTes.t tx t中,同时根据PT rain.txt中的数据条数构造TTrai n.txt(由若干0和1组成,0对应正常数据,1对应入侵数据),供后续实验调用.3.3 M atlab实验源代码主程序:93黄 勤,等:基于PCA的BP神经网络分类器f u nction PCATEST(num ber1,number2)%%PCATEST格式PC ATEST(nu m ber1,num ber2)%num ber1=测试集正常数据个数%num ber2=测试集异常数据个数load c:\PT rain.tx;tload c:\PTes.t tx;tload c:\TT rain.tx;t[a0,b0,c0]=pcacov(cov(zscore(PTrai n)))[a1,b1,c1,d1]=princo mp(zsco re(PTra i n))[a2,b2,c2]=pcacov(cov(zscore(PTest)))[a3,b3,c3,d3]=princo mp(zsco re(PTest))A=0;for i=1:41if sum(c0(1:i))<90A=;iendendA=A+1;P0=b1(:,1:A) ;P1=b3(:,1:A) ;B=(fi x((sqrt(A))/10)+1)*10;net=ne w ff(m i n m ax(P0),[B,1],{ tansig , logsi g }, tra i n l m );ne.t tra i n Para m.epochs=1000;ne.t trai n Para m.goa l=1e-003;ne.t trai n Para m.sho w=1;ne t=train(ne,t P0,TT rain);TT est=si m(ne,t P1);fpri n tf( \t\t误报率=%3.2%f%\t\t\t\t\t\t 漏报率=%3.2%f%\n ,(check(TTes,t1, num ber1)/nu m ber1)*100,((1-(check(TTes,t num ber1+1,(num ber1+number2))/number2))* 100));子程序:functi o n ff=check(A,m,n)%%统计一维向量A中m~n列中大于0.5的元素个数a=0;for i=m:nifA(1,i)>0.5a=a+1;endend;ff=a;3.4 实验结果由于某些攻击类型数量太少,如R2L类型中的spy类型仅有2条有效记录,不足以给神经网络提供足够多的训练/测试样本,本实验中只对22种攻击类型中有效数据条数大于30的12种攻击类型进行了检测,其结果如表1所示.表1 检测结果统计攻击类型训练/测试样本误报率/%检测率/%back(DOS)800/1608.192.5neptune(DOS)2000/4002.397s m urf(DOS)1000/2005.192 94重庆工学院学报续表 攻击类型训练/测试样本误报率/%检测率/%teardr op(DOS)600/120788.3w arezc lien t(R2L)600/1206.892.5i p s w eep(PROBE)1000/2004.794n m ap(PROBE)600/1207.593.3ports w eep(PROBE)1000/200396.5satan(PROBE)1500/300494pod(DOS)150/3021.353.3guess_pass w d(R2L)40/83562.5buffer_overflo w(U2R)25/55260误报率=被误报为入侵的正常样本数/正常样本总数;检测率=检测出的入侵样本数/入侵样本总数;漏报率=1-检测率.从表1中不难看出,对于参与神经网络训练样本多的攻击类型,检测率较高,误报率与漏报率均在10%以下,而对训练条数少的攻击类型检测率较低,误报率与漏报率均超过了20%.可见训练样本的完备性很大程度上决定了检测效果.表2 检测结果对比攻击类型传统入侵检测方法基于PC A的BP神经网络误报率检测率误报率检测率DOS12.2%78.4%8.8%84.6% R2L&U2R35.6%70.8%31.3%71.7%PROBE9.4%83.8%4.8%94.5%表3 平均效果对比平均误报率平均检测率传统入侵检测方法17.1%78.3%基于PCA的BP神经网络13.1%84.7%去除小样本后的传统入侵检测方法15.4%82.1%去除小样本后的基于PC A的BP神经网络5.4%93.3%95黄 勤,等:基于PCA的BP神经网络分类器表2、表3中分别与传统的检测方法[10-13]进行了对比,传统的检测方法检测率在75%~85%,而本实验的平均误报率为13.1%,平均检测率为84.7%;若去掉3类数量较少的小样本(pod、guess _pass w d、bu ffer_overflo w),平均误报率降为5.4%,平均检测率提升为93.3%,可见若提供足够的样本数,基于PC A的BP神经网络分类器能明显改善入侵检测识别效果.4 结束语单纯把神经网络用于入侵检测,面对海量高维数据,势必引起神经网络规模剧增.若采用传统的特征选择,删除部分维数降维,又会带来信息丢失的风险.把主成分分析和BP神经网络结合起来用于入侵检测,在成分利用原始信息的基础上,大幅度降低了BP神经网络的输入矢量维数,简化了结构,提高了神经网络的精度和性能,改善了入侵检测的识别效果.参考文献:[1] D enning D.A n Intrusi on D etecti on M ode l[J].IEEET ransacti ons on So ft ware Eng i neer i ng,1987,13(2):222-232.[2] 胡昌振.网络入侵检测原理与技术[M].北京:北京理工大学出版社,2006.[3] 杨淑莹.模式识别与智能计算:M a tlab技术实现[M].北京:电子工业出版社,2008.[4] 俞研,黄皓.面向入侵检测的基于多目标遗传算法的特征选择[J].计算机科学,2007,34(3):197-200.[5] KRUEG EL C,M UTZ D,ROBERT S ON W.Bayesi aneven t c lassifica ti on for intrusion detection[C]//P roceed i ngs o f the19th A nnua l Co m puter SecurityA pp licati ons Conference.N evada U S A:L as V egas,2003:8-12.[6] YU X I N W E I,M U Q I NG WU.K FDA wave l e tclusterbased intrusion detec tion techno l ogy[C]//Proceed i ng so f the2007Internationa l Conference on W ave letA nalysis and Pa ttern R ecogn iti on.Be ijing:[s.n.],2007.[7] L I Z H I J UN,W U YU,WANG GUO Y I N,e t a.l Ane w fra m e w ork for i ntrusion detection based on roughset theo ry[C]//Proceed i ng s o f the In ternati onalCon f e rence on K no w ledge D iscovery D ataM i n i ng.U SA:Seattl e W A,2004:12-13.[8] 葛哲学,孙志强.神经网络理论与M ATLA B R2007实现[M].北京:电子工业出版社,2007.[9] T he U niversity o f Ca lifornia Irv i ne K DD A rch i ve[EB/OL].[2007-06-26].http://kdd.ics.uc.i edu/databases/kddcup99/kddcup99.h t m.l[10]J OO D,HONG T,HAN I.The neural net work m ode lsfor IDS based on the asy mme tric costs o f f a lse neg ati vee rrors and false positi ve errors[J].Expert System sw it h A pp licati ons,2003,25(1):69-75.[11]X i ao Bai L.i A sca l able decision tree syste m and itsapp licati on i n pattern recog nition and intrusiondetection[J].D ec i sion Suppo rt Syste m,2005,41(1):112-130.[12]Lunteren J V.H igh per f o r m ance pattern m atchi ngfor i ntrusion detecti on[C]//T he25th Conference onCo m puter Communicati ons.Barce l ona:Ca talunya,2006:23-29.[13]傅涛,孙文静,孙亚民,等.基于免疫学原理的混合入侵检测系统的设计与实现[J].计算机科学,2008,35(6):63-66.(责任编辑 陈 松)96重庆工学院学报。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
《 重庆N t - 大学学报( 自然科学)2 1 )00年总目次 )
第2 4卷 总 第 10~ 0 8 2 2期
( 号 中… 号 前是 期 号 ,/ 号后 是 页码 ) 括 /’ “”
2 1 00
车辆 工程
轻 型 商用 车 驾 驶 室 声 场 特 性 分 析 … … … … … … … … … … … … … … … … … … … … … … … 徐 中 明 , 苏 昱, 吴 瑜 , (/ ) 等 1 1 前 端 过 渡 半 径 对 轻 型 客 车 气 动 特 性 影 响 的数 值 模 拟 … … … … … … … … … … … … … … … 王 靖 宇 , 庆 臣 , 景 晟 , (/ ) 李 王 等 17 发动机润滑油理化指标与介 电常数关系分析 … ………………………………………… 王海林 , 尹 焕, 罗文豪, 1 1 ) 等( / 3 结 构 变 量 对 轿 车 前保 险杠 防 撞 梁 的 影 响 … … … … … … … … … …… …… …… …… …… 邓 国红 , 姚 疆, 欧 健 , ( / 8 等 11) 混 合 动 力 汽 车 电池 管 理 系 统 … … … … … … … … … … … … … … … … … … … … … … … … … 冉 振 亚 , 江平 , 永 红 , (/ ) 王 陈 等 2 1
车载 自组织网路 由协议连 通性能仿真 …………………………………………………… 郑新 旺, 杨光松 ,黄联 芬, 26 等( / ) 全地 形车车架的静态性能分析 与结构改进 …………………………………………………… 明显诚 , 朱才朝 , 冉险生(/ 1 2 1) 基 于实际应力谱 的摩托 车车架寿命估计 ………………………………………………… 张俊 杰, 石晓辉 , 邹喜红 , 2 1 ) 等(/ 6
基于响应表面法 的分级吸能结构优化设计 ……………………………………………………………… 袁
俊, 孙凌 玉(/ ) 4 8
基 于 S l Wok o d rs与 C S S t n的汽 车 转 向及 行 驶 运 动 仿 真 … … … … … … … … … … … 张 晋 西 , 学琴 , 甲瑞 (/ 3 i O MO Mo o i 郭 张 4 1)

跨座式单轨交通车辆用基础制动装置 国产制动盘热特性分析 ………………………… 李 科 , 蒋三青 , 蒋朝平 , 4 1 ) 等( /7 电 子 商 务环 境 下 汽 车 零部 件 物 流模 式 …… … … …… … … … … … … … … … … … … … … … … … … …… 王 旭 , 曹建 锋 ( / ) 5 1 某 汽 车企 业零 部 件 采 购 量 价 模 型分 析 …… …… …… … … … … … … … … … … … … … … … 周 康 渠 , 翁 昵 , 炳 杰 , ( / ) 王 等 5 7 桥 梁检 测 车臂 架 结 构 风 振 响应 分 析 … … … … … … … … … … … … … … … … … … … … … 邓 国红 , 陈超 超 , 欧 健 , (/ 2 等 51 ) 跨 座式单轨 交通 车辆用基 础制 动装 置制动盘国产 化分 析 ……………………………… 蒋三青 , 李 科, 汤 建 , 5 1) 等(/ 8 新 型全 地 形 车操 纵 稳 定 性 仿 真 分 析 … … … … … … … … … …… …… …… …… …… … … … 黄 泽好 , 章 栋 , 吉 明 , (/ ) 孙 刘 等 6 1
汽 车 电 动助 力 转 向 系 统霍 尔 转 角传 感 器 … … … … … … … … … … … … … … … … … … … … … … … … … …… … 周 波 (/ 1 22 ) 筒 式液 压 减 振 器 A Sm 建 模 与仿 真 … … …… … … …… …… … … … … … … … … … … … 徐 中明 , 玉峰 , ME i 张 李仕 生 , (/ ) 等 3 1 压 电 智 能 车身 结 构 振 动主 动控 制 技 术 … … … … … … … … … … …… …… …… …… … … … 邓 国 红 , 邢 峰, 欧 健 , (/ ) 等 3 7 基 于 某 稀 燃 发 动 机 的催 化 剂 组 合 排 放 试 验 … … … … … … … … … … … … … … … … … … 付 强 , 张 力, 康 健 , (/ 1 等 31) 电 动助 力 转 向 系统 建 模 及 仿 真 … … … … … … … … … … … … … … … … … … … … … … … 钱 学武 , 明 星 , 国 民 , (/ 4 马 徐 等 31 ) 混 合 动 力 车 辆 远 程 采 集 监 控 系统 的研 发 … … … … … … … … … … … … … … … … … … … … … … … … … 杨 亚联 , 紫微 (/ ) 曹 4 1
C N 总 线在 车 身低 速 电器 中 的 应用 … … … … … … … … … … … … … … … … … … … … … … … … … … … 张 勇 , A 陆 勇 (/ ) 6 5 基 于 磁 流 变 液 的 电控 转 向 阻尼 器 的控 制 系统 建 模 … … … … … … … … … … … … … … … … 杨 新 桦 , 建 国 , 兴 超 , (/ ) 曹 张 等 6 9 车 用 交 流 发 电机 噪声 特 性 及 噪 声 源 测 试 分 析 … … … … … … … … … … … … … … … … … 刘 敏 , 大伟 , 董 闰 兵 , (/ 3 等 61) 重型商用车驱动桥振动噪声分析 …………………………………………………………… 徐 中明, 晏 慧, 张志飞 , (/ ) 等 7 1
相关文档
最新文档