基于数据挖掘的移动互联网数据包安全检测

研究了基于数据挖掘算法对移动互联网数据包进行安全性检测的方法,其相比传统检测方法具有较好的灵活性。首先提取移动数据包中的内容特征,然后采用数据挖掘算法学习恶意移动数据包和安全移动数据包特征,建立分类模型。实验表明,这种基于数据挖掘方法建立的分类模型能够有效对移动数据包进行分类。     

基于改进的AlexNet的车辆颜色识别

针对复杂环境下,通过车牌识别对嫌疑车辆追踪难以进行的问题,提出了一种基于改进的AlexNet深度学习网络的车辆颜色自动识别技术,从而缩小排查范围,实现对嫌疑车辆的追踪寻找,提升工作效率。该方法基于AlexNet网络的基础架构,使用Adam算法代替SGD算法作为优化函数,提升网络的收敛速度,引入批量归一化算法( Batch Normalization,BN),减少网络中间层的数据波动,提升算法的稳定性,同时保留第一个Dropout层,避免过拟合现象。该方法在Vehicle_Color_Recongnition Dataset数据集上进行实验,结果表明,该方法的车辆颜色识别准确率达到了 97.69%,该方法具有良好的鲁棒性和泛化能力,能够为公共交通、公安视频侦查等工作提供帮助。     

基于朴素贝叶斯的特征提取方法研究和改进

朴素贝叶斯分类在入侵检测应用中是一种简单而高效的方法,但是其属性的独立性假设影响了它的性能。通过改变朴素贝叶斯假设的限制可以增强其分类效果,但会导致计算代价大幅提高。因而有很多人研究并提出了属性特征的提取对朴素贝叶斯进行改进的算法,从而提高朴素贝叶斯分类器性能。研究分析了比较常用的属性选择与提取算法,并给出了一种专门针对网络信息流提出的优化,通过信息熵和属性分布算法方面的研究给出了一种新的测试方法,并通过实验检验了新算法的可行性。     

车辆路径问题的禁忌搜索算法设计及在公安工作中的应用

本文设计了一种禁忌搜索算法(Tabu Search Algorithm)求解车辆路径问题(Vehicle Routing Problem)。该算法的领域移动基于3-opt交换的两种拓展形式;并且在评价移动时,引入了加权系数来综合考虑容量约束和距离值的要求来提高解的质量。最后采用了运筹学文献上8个经典问题来测试该算法,结果表明算法是高效的。最后,阐明了车辆路径问题在公安巡逻勤务中的应用。     

基于LOF算法的规律异常车辆检测

异常检测是机器学习的一个应用方向,用于离群点检测。通过对晋江市的海量卡口过车轨迹数据进行特征提取,进而使用LOF算法对车辆出行规律特征进行异常检测,发现各个卡口的规律异常车辆。通过对各个卡口的规律异常车辆进行综合分析,挖掘出全市范围内的规律异常车辆,为侦察破案、治安稳控、情报研判提供线索。同时,该数据分析方式可引申用于单一车辆的异常轨迹检测或单一卡口的异常车流检测。     

基于深度神经网络的车辆图片特征自动识别技术研究

针对公安工作中嫌疑车辆种类型号众多、排查分类困难等问题,尝试提出一种基于AlexNet深度神经网络的车辆自动识别技术,能够快速实时对车辆进行分类识别,极大减少了利用人工进行嫌疑车辆排查的时间。该方法可以自适应地避免复杂环境背景对识别效果的干扰,提高嫌疑车辆的识别准确度。经验证,用1000张自然环境下车辆照片进行编程实验和仿真模拟,识别率达到了97.26%。该方法具有优良的鲁棒性和普适性。     

噪声分析在语音检验中的应用研究

涉案语音中含有噪声具有两面性,一方面使得语音质量降低,导致无法准确获取音频中的有效信息;另一方面在语音真实性检验中又可作为本底噪声和涉案环境的甄别依据,因此噪声分析在语音检验中具有重要的研究价值。针对语音降噪、语音真实性检验和录音环境分析等方面,基于噪声分类及噪声特征对噪声分析进行深入研究,对现有噪声的分类方法和对应的噪声特征进行综述。重点研究适用于语音检验领域噪声分析的特征,对噪声分析在公安实践中的应用进行实验分析,包括对不同特征的噪声基于不同降噪算法的对比分析、本底噪声在语音真实性检验中的应用分析、基于深度学习的噪声种类及环境识别分析等,可为语音检验研究提供重要的理论及应用依据。     

公安院校网络教学资源系统的开发

公安院校网络教学资源系统要根据教学资源分类、用户使用需求和教学资源管理三方面功能进行设计和开发。教学资源系统主要由现有的各类文献数据库资源、统一身份认证和基于Web的网络资源存储系统组成。     

汽车电子标识在交通管理领域的应用与研究

基于RFID技术、国密算法的汽车电子标识可以有效实现对车辆的高效、精准识别,在公安部、工信部的大力推动下,无锡作为全国首批汽车电子标识试点应用城市,目前已在重点车辆监管、汽车电子围栏、车辆检验监管、智慧停车管理等方面开展多种类示范应用,取得了较好的成效。将对汽车电子标识的特点、优势、应用经验及展望进行探讨交流。     

基于色温的视频帧复制-粘贴篡改检测

视频帧复制-粘贴篡改是一种常见的视频篡改方式,即复制某个视频中一段连续视频序列粘贴至另一段视频序列中,使得视频内容发生改变。提出一种基于色温的视频篡改检测方法,用于检测不同光源下拍摄所得的视频帧复制-粘贴篡改。算法首先估计每一视频帧的全局色温与参考色温,接着计算全局色温与参考色温的色温距离,最后使用k-means算法找出色温异常的视频帧视为篡改帧。实验结果表明,与同类型算法相比,该算法具有更高的准确度和更好的检测效率。