全状态防火墙双机热备份的设计与实现

介绍了全状态防火墙的基本概念,阐述双机热备份系统的组成和工作原理,接着详细描述全状态包过滤防火墙的双机热备份模块的设计,包括硬件框架和软件框架,防火墙系统工作状态定义和演变,最后从双机通信、双机同步、双机切换三个方面详细阐明了双机备份系统中的双机控制。     

基于SCSI的故障注入工具设计与实现

研究海量存储系统的可用性评测,设计一种基于小型计算机系统接口(SCSI)协议的故障注入工具。该工具在SCSI协议中间层截获SCSI上层命令,修改命令后,能够实现多种暂态和永久故障的注入,有效地模拟存储系统可能遇到的各种故障。根据目标系统特点确定故障模型和注入参数,注入结束后,进行注入结果回收和离线数据分析。实验测试结果验证了该故障注入工具的有效性。     

基于面图标的三维对称张量场可视化研究

现有的三维对称张量场可视化的面图标方法,仅表现了张量场的某一特征向量场在面图标上的方向信息,而没有表现出特征向量场的大小,基于此,提出了在面图标上通过绘制三维等值线及利用颜色属性来表现特征向量场的大小信息,这样,面图标就将特征向量场的方向和大小信息同时表现出来,从而进一步完善了三维对称张量场的面图标方法,更全面地揭示了张量场位于空间曲面上的信息。     

代码注释自动生成方法综述

在软件的开发和维护过程中,与代码对应的注释经常存在缺失、不足或者与代码实际内容不匹配等问题,但手工编写代码注释对开发人员来说费时费力,且注释质量难以保证,因此亟需研究人员提出有效的代码注释自动生成方法.代码注释自动生成问题是当前程序理解研究领域的一个研究热点,对该问题进行了系统综述.主要将已有的自动生成方法细分为3类:...     

同态加密在加密机器学习中的应用研究综述

现有的机器学习算法不能对加密后的数据进行分析计算,而很多领域如医疗、金融等又要求数据保持机密性和安全性,这促进了加密机器学习的产生和发展。同态加密技术是解决这一问题的主要思路,它可以保证在不解密的情况下对密文进行计算,使得解密后的结果与对明文执行相同计算得到的结果相同。文中对同态加密在加密机器学习中的 相关 应用研究进行了综述,主要介绍了目前用同态加密实现加密机器学习的3种算法(加密神经网络、加密k-NN、加密决策树和完全随机森林),并从正确性、安全性、执行效率方面分析了方案设计,总结并对比了不同加密机器学习算法的构造思路,指出了同态加密用于加密机器学习的关键问题和进一步研究需要关注的内容,为同态加密和加密机器学习提供参考。     

新型两相TFPM两种控制方式的建模与仿真研究

横向磁场永磁电机具有高转矩密度等优点,但其转矩脉动严重地影响了输出转矩特性。提出一种改进的直接转矩控制方法,通过增加电压矢量数量及磁链区域的进一步细分,并重新设计开关表,改变定子磁链和转矩的估测模型及磁链角的获取,使开关频率增加,模型更加精确,转矩脉动减小,电机得到平稳运行。构建横向磁场永磁电机控制系统仿真模型,并与电流滞环跟踪控制进行对比分析。研究结果表明,改进的直接转矩控制减小了转矩脉动,增加了负载转矩和转速最大值,使横向磁场永磁电机工作性能得到提升。     

催化裂化原料和液相产物中氢含量的回归预测模型

以催化裂化原料和裂化液相产物(汽油、轻循环油(LCO)、油浆)的20℃密度、硫质量分数、30％ 馏出温度、50％ 馏出温度为4个基本回归因子,并根据其交互作用构造了10个交互回归因子,采用逐步回归法建立了4种馏分中氢质量分数的回归模型(汽油不考虑硫质量分数的影响,故为9个回归因子).各模型回归结果表明,4种模型的校正决...     

基于证据理论的纠错输出编码解决多类分类问题

针对多类分类问题,利用纠错输出编码作为分解框架,把多类问题转化为多个二类问题加以解决;同时提出一种基于证据理论的解码策略,把每一个二分器的输出作为证据之一进行融合,并讨论在两种编码类型(二元和三元编码矩阵)下证据融合的不同策略.通过实验分别对UCI数据集和3种一维距离像数据集进行测试,并与几种经典的解码方法进行比较,验证了所提出的方法能有效提高纠错输出编码特别是三元编码矩阵的分类正确率.     

基于数字高程模型数据的坡面稳定性三维分析方法

针对大范围区域内坡面稳定性分析的应用需求和目前边坡稳定性计算方法的缺陷,提出了一种基于数字高程模型（DEM）数据的三维分析方法。该方法采用球面代替椭球面进行滑面的搜索,并通过对二维分析结果的积分运算来计算三维条件下的边坡安全系数,最后根据安全系数确定可能的滑坡位置和形状。实际的应用结果表明,该方法简化了滑体搜索算法,能够保证边坡稳定性分析的精度,并提高了分析计算的效率。     

动态多分类器集成在肺结节辅助检测中的应用

针对肺结节病灶数据具有多样性及异质性特点,提出了动态多分类器选择集成算法（Dynamic Multiple Classifiers Selection,DMCS）,将特征空间随机划分为若干特征子集,针对每个特征子集样本分布不同,对不同的特征子集选择适合的基分类器,最后进行集成学习。实验表明,该算法比目前有代表性的肺结节检测病灶分类算法具有更好的稳定性和检测性能。