网络蠕虫的分类及其传播模型研究

近几年,蠕虫频繁爆发,已成为互联网安全的主要威胁。为了清楚地理解蠕虫所造成的威胁,很有必要对蠕虫进行分类,以便进行深入的研究。该文对目前蠕虫传播模型进行了深入地研究,主要包括随机网络和无尺度网络上的模型。指出在构建无尺度网络时现有算法的一个共同缺陷——没有考虑链路的成本。最后预测了蠕虫的发展趋势,并提出了一些蠕虫防御的措施。     

案例-任务驱动模式在计算机应用教学中的实践

针对《计算机应用》课程具有很强的应用性和实践性,将基于案例-任务驱动的全维互动式教学理念应用到计算机应用教学中,教学实践表明,案例-任务驱动教学模式充分体现了＂教师主导、学员主体＂的教学理念,很大程度上提高了学员学习效率。     

一种基于SVM的VoIP网关节点识别方法

针对互联网中常见的VoIP语音网关,重点从呼叫及语音数据流特征的选取出发,提出了一种基于SVM的VoIP网关节点识别方法,并利用真实网络数据对其进行了测试。结果表明,该方法能使待识别数据的时段规律和周期性得到较好体现,识别准确率高,适用于对不同VoIP的语音网关节点进行识别。     

基于SVM 的机器人高精度磨削建模

为了改进机器人磨削过程中对磨削量的控制,提出了一种基于SVM 回归的磨削过程建模方法,通过 分析与磨削量相关的一组可测变量——机器人进给速率、接触力、工件表面曲率,利用机器学习的方法建立回归模 型,对磨削量进行预测．这种方法可以避免逐一分析复杂的动力学参数．实验结果表明,该方法可以取得良好的效 果,模型的预测精度达到90%以上,基本满足实际加工的要求．     

统计数据汇总系统

以Delphi为开发平台,Excel为统计数据的载体,用Xml定义Excel文件的合并方式,实现了轻量级的数据汇总合并解决方案。     

基于ICA技术的管道泄漏特征信号提取方法

为了解决强背景噪声下采集到的管道压力参数信号中泄漏特征信号难以准确提取的难题,本文提出利用独立分量分析技术(ICA)对负压波信号进行处理,提取泄漏信息特征信号,实验结果显示利用该方法可以有效实现信号中弱目标信号和强背景噪声的分离,使负压波信号信噪比大幅提高,为泄漏诊断打下良好基础.     

面向聚类集成的基聚类三支筛选方法

当前聚类集成的研究主要是围绕着集成策略的优化展开,而针对基聚类质量的度量及优化却较少研究。基于信息熵理论提出了一种基聚类的质量度量指标,并结合三支决策思想构造了面向基聚类的三支筛选方法。首先预设基聚类筛选三支决策的阈值α、β,然后计算各基聚类中类簇质量的平均值,并把其作为各基聚类的质量度量指标,最后实施三支决策。决策策略为：当某个基聚类的质量度量指标小于阈值β时,删除该基聚类;当某个基聚类的质量度量指标大于等于阈值α时,保留该基聚类;当某个基聚类的质量度量指标大于等于β小于α时,重新计算该基聚类质量,并且再次实施上述三支决策直至没有基聚类被删除或达到指定迭代次数。对比实验结果表明,基聚类三支筛选方法能够有效提升聚类集成效果。     

多功能无线自助点菜系统设计

为使无线点菜群体普及化,以微控制器STC89C52为核心控制数据的发送和接收、时间实时显示、语音提醒,系统采用无线通信芯片IA4421,上位机界面通过Visual Basic来实现。系统具有低成本、易操作、低误码率的特点,通过对系统进行功能调试与性能分析,该系统在中低档餐厅中具有较高的应用价值。     

一种摄像机标定系统的设计与实现

对摄像机标定系统进行研究和设计,给出了基于Matlab的单个摄像机标定和立体标定的流程和实现方法,给出了基于棋盘格长度的标定精度方法的实现步骤。该标定系统具有简单、快捷、精度高等优点,是一种简便实用的标定方法。     

GRU递归神经网络对股票收盘价的预测研究

股票市场是个多变且复杂的非线性动力学系统,股票价格是个具有时序性的数据,基于此选用具有时间记忆功能的GRU（Gated Recurrent Unit）递归神经网络模型来处理时间序列数据的预测问题。本文选取上证中18支证券行业股票的日收盘价数据,该数据截止日期为2017年12月29日,每支股票数据量为1000天。本文作了2个实证研究,一方面用GRU递归神经网络预测未来10天的股票日收盘价,实证结果表明,GRU递归神经网络的测试误差和验证误差都比其余2个模型得到的同种类型的误差要小,而GRU递归神经网络在预测未来10天日收盘价的精度达到了98.3%,体现了GRU强大的学习能力和泛化能力。另一方面,对比序列长度分别为240天、120天以及60天时,GRU递归神经网络的测试误差、预测收盘价的方差以及验证误差。结果表明面对不同序列长度的数据集,GRU预测精度都很高,序列长度为240天的GRU模型得到的测试结果的方差明显低于其他2个,说明其稳定性更好。