云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

基于MATLAB的乙酸乙酯皂化反应速率常数测定实验的数据处理与图形绘制研究

设计了Matlab语言程序,并用于"乙酸乙酯皂化反应速率常数测定"的物理化学实验的数据处理与图形绘制,处理结果与所作的图形均符合实验要求。与手工作图相比,具有简洁、快捷与直观等特点,而且可避免人为因素的误差。     

基于模糊线性回归的油井管柱腐蚀预测信息系统

针对我国中部地区某油田高含硫恶劣工况,利用积累的历史数据,采用基于模糊线性回归的计算模型获得回归系数,校验后将计算模型应用于现场工况,并开发油井管柱腐蚀预测信息系统,为该油田金属腐蚀预测提供支持。     

新媒体时代大学生网络学习特征分析

新媒体时代,大学生学习行为呈现新的特征,把握大学生的网络学习特征,对于做好信息时代教育教学具有重要意义。通过对南昌市6所高校289名学生的调查研究,总结出学生网络学习的自主性、碎片化、偶发性与非线性、零散性与系统性、共享性、开放性与病毒性、模糊化七个特征。经过独立样本t检验和单因素方差分析,发现在性别、专业、年级、生源地四个方面,不同特征存在差异。