云计算技术在网络数据库平台建设中的应用

大数据时代,网络数据海量增长。为提升网络数据库的存储容量、数据处理效率、共享服务能力,将云计算技术应用于网络数据库平台建设中。在网络数据库的具体建设中,围绕云计算的虚拟化技术和MapReduce技术应用展开分析,从平台操作系统、Hadoop集群、数据存储、数据整合和预处理、数据挖掘和分析等几个方面对网络数据库平台进行搭建。结果表明,云计算技术能全面实现网络数据库的性能优化。     

海量网络数据智能分级存储技术研究

随着网络的普及和应用,诞生了海量的网络数据,因此针对海量网络数据实施有效的存储,可以提高数据的访问效率和安全性。文章详细地分析了海量网络数据智能分级存储现状,提出了一种智能分级存储系统,并且研究了智能分级存储的数据分类技术、数据放置技术、数据迁移技术等关键技术。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍传感器网络和智能数据融合技术,包括:(1)无线传感器网络.(2)多传感器数据融合技术;(3)多平台多传感器目标跟踪解耦相关算法;(4)传感器网络中合作信号和信息处理技术;(5)传感器网络中分布目标的分类和跟踪.     

基于无线传感器网络的农业精准控制系统研究

根据设施农业应用环境复杂的情况,利用无线传感器网络多网络整合技术、无线传感器网络通信协议、无线传感器网络节点技术、无线传感器网络数据管理技术,设计出以传感数据管理为中心,结合数据库技术和计算机网络技术,从逻辑概念和软硬件技术两个方面实现高性能的以数据为中心的控制系统。     

基于python的互联网数据爬取与解析的研究与实践

随着信息的多元化和大数据时代的到来,人们在生活中对网络的应用越来越广泛,使得网络拥有了海量的数据。如何在庞大的网络数据中高效快速地获取对用户有用的信息是一项尤为重要的技术。笔者着重研究了网络数据爬取技术中基于Python语言第三方库的网络爬虫技术,并尝试利用该技术对部分网站数据进行爬取、解析和重新建构。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计。本文介绍传感器网络和智能数据融合技术,包括：（1）无线传感器网络;（2）多传感器数据融合技术;（3）多平台多传感器目标跟踪解耦相关算法;（4）传感器网络中合作信号和信息处理技术;（5）传感器网络中分布目标的分类和跟踪。     

地震微观前兆预报网络系统设计研究(4)——网络系统设计

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍网络系统设计方案,包括光纤传感器在地震预报网络中的应用、传感器网络平台的选择和网络设计、地震源定位的相干声阵列处理技术、光数据通信技术.     

基于主动网络技术下存储网络关键技术的分析

随着网络技术、大数据技术等信息化技术的普及发展,人们对数据信息存储指令和存储效率的要求越来越高,使得传统存储网络技术在适用范围、适用量级等方面上呈现出了一定的落后趋势.基于此,本文首先从数据信息多样化、网络环境发展、数据传输经济性三个角度,分析了传统存储网络技术面临的发展问题;其后,围绕存储拥塞技术、存储缓存技术两个方面,研究了基于主动网络技术下存储网络关键集输的应用表现.     

基于计算机网络数据加密及恢复技术探析

随着计算机网络技术的不断发展,网络安全成为人们重点关注的问题,为了进一步提高网络信息安全,出现了数字签名技术、数据加密技术、身份验证技术,这些技术也得到了很大程度的应用。另一方面,计算机硬件受到损坏也会为网络的安全带来威胁,数据备份与恢复技术能够很大程度的挽救计算机中的数据信息,维护网络中数据信息的安全。本文主要从数据传输和数据备份的角度对网络数据加密技术与恢复技术进行研究分析。     

本期摘要

地震微观前兆预报网络系统设计研究（4）——网络系统设计 摘要：提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计。本文介绍网络系统设计方案,包括光纤传感器在地震预报网络中的应用、传感器网络平台的选择和网络设计、地震源定位的相干声阵列处理技术、光数据通信技术。     

一种新型网络爬虫的设计与实现

网络爬虫是当今网络实时更新和搜索引擎技术的共同产物。文中深入探讨了如何应用网络爬虫技术实现实时更新数据和搜索引擎技术。在对网络爬虫技术进行深入分析的基础上,给出了一种用网络爬虫技术实现局域网内服务器和客户端之间网络通信的解决方案。     

基于生成对抗网络的数据增强方法

深度学习在分类任务上取得了革命性的突破,但是需要大量的有标签数据作为支撑.当数据匮乏的时候,神经网络极易出现过拟合的问题,这种现象在小规模数据集上尤为明显.针对这一难题,本文提出了一种基于生成对抗网络的数据增强方法,并将其应用于解决由于数据匮乏,神经网络难以训练的问题.实验结果表明,合成的数据和真实的数据相比既具有语义上的相似性,同时又能呈现出文本上的多样性;加入合成的数据后,神经网络能够更加稳定地训练,而且分类的准确度也有了进一步的提高.将提出的算法和其他一些数据增强的技术对比,我们的方法结果最好,从而证明了这种技术的可行性和有效性.     

数据加密技术及其在网络中的应用

数据加密作为网络数据传输安全的重要手段之一。本文介绍常用的数据加密技术及其在网络中的应用。这些技术在网络数据传输系统中很有实用价值。     

数据加密技术及其在网络中的应用

数据加密作为网络数据传输安全的重要手段之一。本文介绍常用的数据加密技术及其在网络中的应用。这些技术在网络数据传输系统中很有实用价值。     

基于日志的网络背景流量模拟仿真

入侵检测系统（IDS）的开发与评估需要一个仿真的网络环境，网络流量模拟仿真技术是其中关键技术之一．在详细分析了网络流量的模拟仿真技术及其相关软件基础上，设计并实现了一种基于日志的网络背景流量模拟仿真软件，解决了入侵检测系统测试中的攻击类型定义和背景流量问题，并使用谊软件模拟真实的网络环境对入侵检测系统进行测试分析，实验结果表明，基于日志的网络背景流量仿真软件能够在日志信息的基础上以不同速度动态回放网络流量仿真数据，并能够对日志数据进行修改．增加了对入侵检测系统测试的灵活性．     

Min-max hyperellipsoidal clustering for anomaly detection in network security.

A novel hyperellipsoidal clustering technique is presented for an intrusion-detection system in network security. Hyperellipsoidal clusters toward maximum intracluster similarity and minimum intercluster similarity are generated from training data sets. The novelty of the technique lies in the fact that the parameters needed to construct higher order data models in general multivariate Gaussian functions are incrementally derived from the data sets using accretive processes. The technique is implemented in a feedforward neural network that uses a Gaussian radial basis function as the model generator. An evaluation based on the inclusiveness and exclusiveness of samples with respect to specific criteria is applied to accretively learn the output clusters of the neural network. One significant advantage of this is its ability to detect individual anomaly types that are hard to detect with other anomaly-detection schemes. Applying this technique, several feature subsets of the tcptrace network-connection records that give above 95% detection at false-positive rates below 5% were identified.     

一种可扩展的高效入侵监测平台技术

为了在更高带宽的网络中进行有效的入侵检测分析,研究了入侵检测中的数据获取技术,提出了一种可扩展的高效入侵监测框架SEIMA(scalable efficient intrusion monitoring architecture).在SEIMA结构模型中,通过将高效网络流量负载分割器与多个并行工作的入侵检测传感器相结合,从而可以将入侵检测扩展应用到更高的网络带宽中;通过使用高效地址翻译技术和缓冲区管理机制实现了旁路操作系统的高性能用户级网络报文传输模型,以便提高单传感器的报文处理性能;通过采用有限自动机的方法构建了基于用户层的多规则报文过滤器以消除多余数据包的处理开销.模拟环境和实际环境下的测试结果表明,SEIMA在提高网络入侵检测系统数据获取效率的同时,能够降低系统CPU的利用率,从而可以将更多的系统资源用于更复杂的数据分析过程.     

SDAE-LSTM模型在金融时间序列预测中的应用

针对金融时间序列预测的复杂性和长期依赖性，提出了一种基于深度学习的LSTM神经网络预测模型。利用堆叠去噪自编码从金融时间序列的基本行情数据和技术指标中提取特征，将其作为LSTM神经网络的输入对金融时间序列进行预测；通过LSTM神经网络的长期依赖特性来提高金融时间序列的预测精度。利用股价指数数据，与传统的神经网络的预测结果进行比较，结果表明基于深度学习的LSTM神经网络具有比较高的预测精度。     

流媒体技术在证券股评系统中的应用研究

流媒体技术是在数据网络上以数据流的方式传输多媒体信息的技术,被认为是未来高速网络的主流应用之一。该文研究流媒体关键技术中的音视频数据采集和编码技术,解决在多媒体数据应用平台中双数据流的同步和传输问题。综合应用到某证券公司视讯管理平台和证券股评系统,有效地实现了在数据网络上的实时多点视频数据流同步传输和交互。     

Associative Neural Network

An associative neural network (ASNN) is a combination of an ensemble of the feed-forward neural networks and the K-nearest neighbor technique. The introduced network uses correlation between ensemble responses as a measure of distance among the analyzed cases for the nearest neighbor technique and provides an improved prediction by the bias correction of the neural network ensemble both for function approximation and classification. Actually, the proposed method corrects a bias of a global model for a considered data case by analyzing the biases of its nearest neighbors determined in the space of calculated models. An associative neural network has a memory that can coincide with the training set. If new data become available the network can provide a reasonable approximation of such data without a need to retrain the neural network ensemble. Applications of ASNN for prediction of lipophilicity of chemical compounds and classification of UCI letter and satellite data set are presented. The developed algorithm is available on-line at http://www.virtuallaboratory.org/lab/asnn.