基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

硝酸还原技术在煤制乙二醇装置中的应用及评价

煤制乙二醇装置在运行过程中,存在硝酸等原料消耗高、生产废水难以处理的问题。通过引入硝酸还原技术,经过小试、中试及工业化应用,取得了良好的效果,有效降低了原料消耗及运行成本,彻底解决了生产废水难以处理的问题,为煤制乙二醇工艺的成熟及环保发展创造了良好的条件。     

基于生物强化法下低浓度工业废水处理实验研究

现代工业生产的工业废水往往含有某些有机危害物等，传统的方法将无法起到有效的作用，且利用微生物进行污水处理的方式也受到很大的局限。针对此类的污水处理问题，以延边化工厂中含酚废水为实验样本，通过控制变量法筛选得到化学处理法的最佳浓度，并对比了传统化学法，生物强化法和复合法3种处理模式对废水中酚类物质的降解效率和处理成本。结论表明，化学法处理污水的1 h后降解率达到78.35%,15 h后仍未完全降解。而生物强化法和复合法在1 h后的降解率达到了88.44%和92.03%，降解率达到100%的时间分别为15 h和9 h。综合考虑污水的处理效率和处理成本，利用传统的化学法与生物强化技术对污水进行复合处理在大幅度提高污水处理效率同时，也降低了成本，这为低浓度工业废水的处理提供一定的参考。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

粘土基脱黏剂的研制及其在水性涂料废水处理中的应用

随着水性涂料应用越来越广泛，传统的溶剂型涂料用混凝剂或漆雾凝聚剂难以适用于含水性涂料的废水处理，存在泡沫大，破乳不完全，浊度高，漆渣分散、含水率高等弊病。针对这些问题，本研究通过钠化改性天然膨润土制成粘土基脱黏剂，并配合上浮剂处理水性涂料废水。凝聚分离实验表明：该粘土基脱黏剂与市售产品处理效果相当，且与传统聚合氯化铝及三聚氰胺甲醛树脂相比，无需调节 pH，处理速度更快，水质更好。此外，该粘土基脱黏剂用于实际涂装车间废水处理时，在最佳运行参数下，有效实现了漆渣的团聚上浮及水质的净化。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。