可拓物元分析在网络协同授课质量评价中的探索

可拓物元分析基于我国学者蔡文在1983年创立的可拓理论而得来的,其根本是建立可以拓展的域空间,将事物属性按照级别转换成一定的量值范围并最终计算得出相应程度.目前该方法的运用范围覆盖经济、工程及数学领域等,但是在高校教学教育中的运用尚不多见,文章中选取高校网络协同授课的质量评价与该分析方法相结合,旨在建立适用于高校网络协同授课评价的方式并积极拓展该方法在教育领域中的运用.     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

2019 IEC/CISPR 年会主要技术内容(下)

1会议内容2019年度CISPR/F年会在中国上海召开,F分会与会委员代表中国审议了CISPR 14-1、CISPR 14-2、CISPR15、CISPR TR 30-3等主要家电灯具电磁兼容标准的制修订情况。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。     

燃气企业网络安全改进实例分析

燃气企业信息化系统所面临的风险和威胁越来越大,尤其系统中断造成的宕机,会给燃气企业带来经济与信誉等诸多方面的损失。当前燃气企业信息化系统是一个资源高度整合的系统,一旦发生意外事故,势必造成燃气业务大面积瘫痪,无法持续正常运作。因此需要提供一个安全的网络环境,以保障燃气企业的业务和数据稳定运行。     

基于数值模拟的矩形微槽热沉流道的优化设计

为了提高矩形微槽热沉的散热性能,首先利用热阻网络模型对数值方法进行验证;然后分别对斜槽开度u为0.2 mm时不同形式的流道进行数值模拟,找到最优的开槽方式;再以双排叉槽的斜槽开度u为设计变量,以热阻与泵功率为优化目标分别利用多项式回归与径向基函数进行代理模型的构建,通过精度分析,利用多目标遗传算法对径向基函数模型进行寻优,最后利用熵权TOPSIS法进行优化方案的选取。结果表明:泵功率随着斜槽开度的增大而逐渐降低,而热阻随着斜槽开度的增大先减小后增大。优化后槽道的斜槽开度u为0.3213 mm,与不开斜槽的矩形直槽道相比热阻与泵功率分别降低了26.62%与19.62%。     

基于SDN和虚拟拓扑的天基网络路由算法

针对天基网络的时变拓扑结构给网路管理和路由设计带来的难题,综合考虑GEO卫星和LEO卫星的优势,建立了一种基于软件定义网络(SDN)架构的天基网络模型,提出了一种基于虚拟拓扑的包含必经节点的天基网络路由算法(VTPN)。通过改进时间片划分策略,提高了计算效率,通过必经节点的设定,改善了链路拥塞问题。仿真结果表明:SDN架构下的VTPN算法与其他算法相比,网络链路利用率和负载均衡性能提高了约50%,丢包率降低了约20%。