采用熵的多维K-匿名划分方法

K-匿名是数据发布应用场景下重要的隐私保护模型。近年来数据集K-匿名化的算法得到广泛的研究,Median Mondrian算法是目前唯一的多维K-匿名划分方法。文中研究了Median Mondrian算法,指出其不能有效地平衡数据划分精度与数据隐私安全性之间的矛盾,由此提出基于熵测度机制的多维K-匿名划分方法以及评估K-匿名化结果安全性的测量标准。实验表明该算法是可行的,能有效地提高数据安全性。     

一种基于损失预测的双主动域适应算法研究

近年来深度学习在图像分类任务上取得了显著效果,但通常要求大量人工标记数据,模型训练成本很高.因此,领域自适应等小样本学习方法成为当前研究热点.通常,域适应方法利用源域的经验知识也仅能一定程度降低对目标域标记数据的依赖,因此可以引入主动学习方法对样本价值进行评估并做筛选,从而进一步降低标记成本.本文将典型样本价值估计模型引入域适应学习,结合特征迁移思路,提出了双主动域适应学习算法D＿Ac T(Dual active domain adaptation).该算法同时对源域与目标域数据进行价值度量,并挑选最具训练价值的样本,在保证模型精度的前提下,大幅度减少了模型对标签数据的需求.具体而言,首先利用极大极小熵和核心集采样方法,用主动学习价值评估模型挑选目标域样本,得到单主动域适应算法S＿Ac T (Single active domain adaptation).随后利用损失预测策略,将价值评估策略适配至源域,进一步提升迁移学习知识复用有效性,降低模型训练成本.本文在常用的四个图像迁移数据集进行了测试,将所提两个算法和传统主动迁移学习及半监督迁移学习算法进行了实验对比.结果表明双主动域适应方...     

对电力设备状态检修问题的探讨

随着科学技术的稳步发展以及国民经济状况的逐步改善,人们越来越追求安全稳定的高品质生活.作为与人们日常工作、生活息息相关的电力产业尤其要保证其输电设备的安全性.因此,合理科学的电力设备状态检修是必不可少的.本文主要就电力设备状态检修问题进行探讨.     

软件技术教学内容与教学模式研究

软件工程专业方向的教学目标主要是培养实用型的软件技术人才,教学内容可以划分为软件专业基础、软件工程和软件技术三个方面。软件技术的教学应该密切结合当前国内市场的需求和软件技术的发展,形成一个严谨的教学体系,并开展大量的技术实验课程,使学生具备足够的技术开发能力。     

基于ARP协议的局域网访问控制

提出了一种基于地址解析协议(ARP)的局域网访问控制方案。通过实时捕获、分析了网络数据报发现登录局域网络的非法主机,采用ARP协议机制杜绝其对局域网内合法主机的非法访问;利用服务器对网络主机IP地址、MAC地址和其他辅助信息的多重认证,以及网络主机客户端ARP缓存机制实现网内合法主机之间的限制访问,从而有效地保护局域网资源。     

基于最短路径信任关系的推荐项目计算方法

针对社交网络中协同过滤推荐算法的推荐速度计算问题, 提出了一种基于最近邻方法的改进计算方法, 并对算法有效性进行了分析. 该算法对用户的相似性度量采用基于最短路径的信任关系, 用分层图和动态规划的方法进行计算, 并在社交网络的应用中对关系链的深度进行限制. 对该算法基于KDD Cup 2012 Track 1的数据进行了仿真, 并与其他方法做了性能比较. 实验表明, 改进算法可以很好地平衡推荐效率和准确并指标.     

对输电线路运行与维护问题的分析

改革开放之后,随着社会经济的稳步发展以及人民生活需求的增加、生活品质的提高,电力对人们的日常生活以及企业的运作、国民经济的正常发展起着越来越重要的作用.众所周知,输电线路是电力网络不可缺少的基本组成部分.因此,输电线路的正常运行与安全维护是电力系统安全稳定运行的前提.本文主要对输电线路的运行与维护进行分析     

新型网络集成图库一体方案在配网管理中的应用

如何采用较为经济、简单的方法构建实用的小型图库一体Web系统,已成为一个亟待解决的问题。提出基于微软Visio和可扩展标记语言（XML）的Web集成图库一体解决方案,介绍了基于方案所开发的图库一体化电力配网台账信息管理系统的架构、功能、开发过程和技术特点。实践表明,该解决方案已经逐渐成熟并顺利应用于工程实际。     

面向金融数据的神经网络时间序列预测模型

互联网金融风险预测是互联网金融公司决策时的重要一环。本文的研究主要针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架,可评估多个特征参数对结果的联合影响。并在此基础上,提出了一个互联网金融风险预测模型,实验结果表明,所提出的模型在金融时序预测中具有更好的准确度。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。