基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

适用于无线体域网的动态口令认证协议

无线体域网中传输的是与生命高度相关的敏感数据，身份认证是信息安全保护的第一道防线。现有的基于人体生物信息的身份认证方案存在信息难提取、偶然性大和误差性大的问题，基于传统密码学的认证方案需较大计算资源和能量消耗，并不适用于无线体域网环境。为此，在动态口令和非对称加密机制基础上，提出一种适用于无线体域网的动态口令双向认证轻量协议，并对其进行形式化分析。通过理论证明、SVO逻辑推理及SPIN模型检测得出：该协议满足双向认证，且能够抵御重放攻击、伪装攻击、拒绝服务器攻击和口令离线攻击，具有较高安全性。     

国泰网信:打造工业控制系统整体网络安全保障体系

北京国泰网信科技有限公司成立于2015年6月,依托于核心团队在网络安全领域的深厚积淀,传承与创新并举,以密码技术应用为核心,基于国家等级保护、分级保护体系框架,为国家重要信息系统及关键信息基础设施安全防护提供解决方案、产品及服务。其产品覆盖工业系统数据隔离交换系统(工控网闸)、工控防火墙、工控安全监测与审计系统、工控主机安全卫士、工控漏洞扫描系统、工控安全评估系统、工控安全管理中心等,可为工业控制系统整体网络提供全栈安全解决方案。     

基于虚拟现实的复杂场景加载优化算法

目前大规模场景模型生成的需求量日益增加, 现提出了一种基于区域的自动 LOD (Levels Of Details)构建算法. 该算法基于动态网格简化算法, 在游戏设计制作的过程中, 游戏开发人员会经常需要对美工部门人员提供的模型进行优化. 为了可以使模型的面数得到简化, 并且不改变模型的外观. 当今流行的 LOD技术非常擅于处理这种情况, 判断模型与摄像机的距离如果超过一定范围之后, 自动调取不同层次的模型, 当模型距离摄像机很远的情况下使用面数低的模型替换高模, 这样可以提高帧率并且降低摄像机前的三角面以及顶点数从而减少渲染压力. 一般模型的简化分为静态和动态模型的简化.大部分情况下, 程序员会让美工部门提供几套不同面数的模型或者通过模型简化工具对高模进行减面并存成多个Mesh, 并在程序运行的时候, 根据模型与摄像机的距离远近动态的替换Mesh. 这是一种静态的方法.这里将尝试使用一种动态的网格简化和LOD技术相结合的方法. 这种新型算法的大大的简化了操作流程, 美术人员只需要提供一个模型, 程序员可以使用这种方法生成量级不同的低模, 根据摄像机与模型的远近自动的调取不同精度的模型.     

高职基于“1+X”证书的《动态网站建设》课程建设研究

该文以吉林省经济管理干部学院数字媒体应用技术专业的《动态网站建设》课程为研究对象,在分析Web前端职业资格证书标准的前提下,从分析课程目前存在的问题入手,结合职业资格证书标准重新规划课程的教学内容,采取"线上线下、课前课后全方位立体互动式"的教学模式,充分利用微课、短视频、学习单、学习网站、论坛、扩展阅读资料等资源,实现重点知识"三重练、随时测"、难点知识"我讲、你讲、他讲+回放"等教学方法,提高课堂有效性,从而提高人才培养质量,实现与企业的对接。     

基于信息熵的软件攻击面威胁评估方法研究

随着网络科技的不断进步,传统的软件攻击面威胁评估方法,在面对层出不穷的软件攻击方式时对攻击面威胁的评估与处理分离,因此威胁评估效率低,无法实现对软件攻击面威胁的精准评估.针对这一问题,进行基于信息熵的软件攻击面威胁评估方法研究.通过确定软件攻击面的威胁评估指标,建立软件攻击面二级威胁指标赋值矩阵,基于信息熵计算软件攻击面威胁权值,评估软件攻击面威胁.通过对比实验证明基于信息熵的软件攻击面威胁评估方法可以提高软件攻击面威胁评估的威胁评估效率.     

新型井下牵引器步进机构动态特性分析

针对井下牵引器步进机构滚珠丝杠副做运动分析的传统计算方法并未考虑滚动体惯性载荷的问题,采用矢量分析法对滚珠丝杠副进行了运动学分析,得出其轴向运动的影响因素,并运用球轴承拟静力学的分析方法,结合往复作业的实际工况,建立了只受纯轴向力的滚珠丝杠副拟静力学简化分析模型,解出相关影响参数,并研究了不同轴向载荷和转速下步进机构的运动规律。研究结果表明:丝杠轴向移动速度曲线呈现负正弦变化趋势,且转速对其影响显著,轴向载荷一定时,转速与轴向移动速度成倍增长;而对比轴向载荷的影响就略小,一定转速下,在机构的带载能力范围内,随着轴向载荷的递增,轴向移动速度会产生极小的差值;与传统计算方法对比,该轴向速度数值及变化规律有明显的出入。研究结果对于牵引器在水平井井下作业的精确进给和控制具有一定的指导意义。     

基于深度学习技术的恶意APP软件动态检测技术

本文利用深度学习技术的方法提高检测恶意程序的能力,通过机器学习技术延伸出了机器学习技术,被广泛应用到图像处理、自然语言处理、计算机视觉与语言识别等领域中。深度学习中的卷积神经网络CNN具有良好的分类性能,还能够提高未知样本的预测能力。以此,本文就对将恶意学习技术作为基础的恶意APP软件动态检测技术进行分析。     

PV/T组件动态传热建模及温度预测

为进一步提高光伏光热一体化(PV/T)组件温度预测精度,基于集总参数法对PV/T组件传热机理进行动态建模。选取典型晴天及多云天气条件日进行实验,验证了该动态模型的准确性。实验结果显示,晴天及多云天气条件下数学模型预测值的最大相对误差分别为7.8%,7.6%;平均相对误差分别为4.31%,4.37%;绝对误差平均值为2.04℃,1.94℃。相比于已有的神经网络预测方法,数学模型的预测精度更高,预测周期更短。该模型可用于PV/T系统根据温度变化情况提前制定精确的控制策略,以优化系统运行期间的节能,也可用于建立PV/T系统整体的能量传递模型,实现热能、电能的协调控制及太阳能的梯级利用。