独立学院“3+1”模式下毕业设计环节的研究

独立学院的培养目标是高级技术应用型人才,"3+1"教学模式下毕业设计的改革是对人才培养模式的新尝试,它结合学校和企业优势及需求,能有效提高了学生的实践能力,促进学生的就业。     

基于时间序列分析的DNS服务器的DDoS攻击检测

分析了针对DNS服务器DDoS攻击的特征,提出了一种基于攻击流特征(AFC)时间序列的DDoS攻击检测方法.通过自适应自回归模型的参数拟合,将AFC时间序列变换为多维空间内的自适应自回归AAR模型参数向量序列,然后使用支持向量机进行分类.实验结果表明,该方法能有效检测针对DNS服务器的DDoS攻击.     

具有强解释性的贝叶斯MA型模糊系统

提出用于规则前件学习的中心点交叉涌现的大间隔贝叶斯模糊聚类(CECLM-BFC)算法.考虑不同样本间聚类中心的排斥作用使得聚类中心间距最大化,并采用粒子滤波方法在不同类别样本中交替执行,自动求解出最优聚类结果,包括聚类数、模糊隶属度和聚类中心.在模糊规则后件参数学习上使用分类面大间隔的策略,以MA型模糊系统为研究对象构造具有强解释性的贝叶斯MA型模糊系统(BMA-FS).实验结果表明,BMA-FS能够取得令人满意的分类性能,且模糊规则具有高度的解释性.     

基于图卷积网络的多交互注意方面级情感分析

为解决当前方面级情感分析中提取语义句法信息不充分导致分类结果不准确的问题,提出一种基于图卷积网络的多交互注意模型。基于注意力机制和句法相对距离分别重构带有权重的语义图邻接矩阵和句法图邻接矩阵,以这种方式存储更多信息,结合图卷积网络充分挖掘上下文中更深层次的语义和句法信息;通过掩码机制和交互注意完成方面词与上下文的语义交互和句法交互,捕获相关关联并进行特征融合。在SemEval 2014和Twitter数据集上进行实验,实验结果表明,该模型与基于注意力的模型和基于图卷积网络的模型相比,有更好的分类效果。     

肠衣中氯霉素残留量检测的研究

研究了应用酶联免疫反应方法(ELISA)，检测进出境肠衣中氯霉素残留置的制样和运用德国R-Biopharm公司的氯霉素残留测定试剂盒测定氯霉素残留量的具体操作方法及注意事项，可将氯霉素检测下限达到0.1μg/kg。     

面向大规模噪声数据的软性核凸包支持向量机

现有的面向大规模数据分类的支持向量机（support vector machine,SVM）对噪声样本敏感,针对这一问题,通过定义软性核凸包和引入pinball损失函数,提出了一种新的软性核凸包支持向量机（soft kernel convex hull support vector machine for large scale noisy datasets,SCH-SVM）.SCH-SVM首先定义了软性核凸包的概念,然后选择出能代表样本在核空间几何轮廓的软性核凸包向量,再将其对应的原始空间样本作为训练样本并基于pinball损失函数来寻找两类软性核凸包之间的最大分位数距离.相关理论和实验结果亦证明了所提分类器在训练时间,抗噪能力和支持向量数上的有效性.     

基于存在市场竞争的电子商务下定价和退货价格模型研究

以商品价格和退货退款为决策变量,建立企业利润最大化模型,以此为依据企业可获得最优的定价和退货退款比例,得到了在特定市场反应参数下的最优价格以及最优退货策略.在模型中考虑到了市场竞争对利润的影响.通过分析市场反映参数得出了一些具有实际操作意义的应用策略.     

一种快速点模型去噪方法

消除噪声是构造完美三维模型过程中必不可少的一步.胡国飞等提出了基于三维mean-shift过程的各向异性点模型去噪算法但该算法效率较低,为此提出用准柯西函数取代该算法所采用的高斯函数,提高了算法效率.实验结果表明,此方法能在有效剔除点模型表面噪声的同时较好地保持表面的尖锐特征.     

鲁棒的二维Renyi嫡图像闭值分割快速算法

二维Renyi熵阈值分割算法是经典的图像阈值分割方法,但其性能对椒盐噪声较敏感。针对此不足,引入图像滤波中对椒盐噪声有较好鲁棒性的中值滤波技术,提出了新的二维直方图构造方法。为了进一步提高算法效率,分析了阈值分割目标函数的特点,使用惯性权重递增的粒子群算法对其进行优化。通过实验与原方法比较说明了此方法的优越性。     

基于时间序列分析的应用层DDoS攻击检测

根据正常用户和攻击者在访问行为上的差异,提出一种基于IP请求熵(SRE)时间序列分析的应用层分布式拒绝服务(DDoS)攻击检测方法。该方法通过拟合SRE时间序列的自适应自回归(AAR)模型,获得描述当前用户访问行为特征的多维参数向量,并使用支持向量机(SVM)对参数向量进行分类来识别攻击。仿真实验表明,该方法能够准确区分正常流量和DDoS攻击流量,适用于大流量背景下攻击流量没有引起整个网络流量显著变化的DDoS攻击的检测。