校园网络信息安全保护的研究与实验

随着校园网络的不断发展壮大,各个大学都竞相组建了自己的校园网络。互联网上的信息良莠不齐,在给人们带来巨大方便的同时,也带来了很多负面的影响。黄色信息、色情、反动、阴暗等不良信息充斥网络,网络病毒泛滥等都可能影响到学生身心健康。对于祖国未来的花朵,必须保护校园网络的干净与安全。介绍了校园网络一般会遇到的威胁,及其讲了校园网络安全保护措施,最后具体介绍对于校园网络安全防护的实验研究。     

基于“In-VM”思想的内核恶意代码行为分析方法

随着互联网的高速发展,网络安全威胁也越来越严重,针对恶意代码的分析、检测逐渐成为网络安全研究的热点。恶意代码行为分析有助于提取恶意代码特征,是检测恶意代码的前提,但是当前自动化的行为捕获方法存在难以分析内核模块的缺陷,本文针对该缺陷,利用虚拟机的隔离特点,提出了一种基于"In-VM"思想的内核模块恶意行为分析方法,实验表明该方法能够分析内核模块的系统函数调用和内核数据操作行为。     

基于Max-T模糊Hopfield网络的车型识别

在许多模式识别采样的过程中,由于环境噪声和设备误差,往往导致采集的数据与真实值有一定偏差,这种偏差会影响识别的效果。本文采用Max-T FHNN模型,提出一种应用于智能化交通管理的车型识别方法。并用实验证实相对于其他车型识别方法,该方法在待测样本含有噪声的情况下能得到更好的识别率。     

基于AutoCAD的燃气管网水力平差计算软件的研制

基于燃气管网水力平差计算模型和有限元节点法,利用VC开发语言对AutoCAD进行二次开发,研制出燃气管网水力平差计算软件,该软件实现与AutoCAD图管道信息的交互,能够针对不同压力级别、不同管材组成的多气源枝状管网和环状管网进行水力平差计算。实践表明,该软件操作方便,简单实用,水力平差迭代计算收敛速度快,工作量小,计算准确度高。     

计算机网络病毒与网络安全维护思路构建

随着现代科技的不断发展,计算机网络技术已经渗透到人们生产生活的每一个领域,在给人们带来便利的同时,安全隐患也随之出现,如何避免网络通讯过程中不受病毒侵害,并保证网络通讯安全是本文的出发点和落脚点。     

基于半周期预测的减摇水舱控制方法及验证

可控被动式减摇水舱能够通过气阀控制空气连通道延长了水舱的固有周期,实现宽频船舶横摇减摇.关阀时刻和关阀时间与船体横摇运动规律相关,由于船体在海浪中的随机运动难以准确计算.小波神经网络的半周期预测控制方法,预测船体横摇的下一个半周期,实时计算控制参数,拓宽减摇频带.通过半实物仿真验证,较传统的方法减摇性能有明显提升.     

基于字的分布表征的汉语基本块识别

汉语的基本块识别是汉语句法语义自动分析中的重要任务之一。传统的方法大多数直接将汉语基本块识别任务转化成词层面的一个序列标注问题,采用CRF模型来处理。虽然,在许多评测中得到最好的结果,但基于词为标注单位,在实用中受限于自动分词系统以及汉语词特征的稀疏性。为此,该文给出了一种以字为标注单位,以字为原始输入层,来构建汉语的基本块识别的深层神经网络模型,并通过无监督方法,学习到字的C&W和word2vec两种分布表征,将其作为深层神经网络模型的字的表示层的初始输入参数来强化模型参数的训练。实验结果表明,使用五层神经网络模型,以[-3,3]窗口的字的word2vec分布表征,其准确率、召回率和F值分别达到80.74%,73.80%和77.12%,这比基于字的CRF高出约5%。这表明深层神经网络模型在汉语的基本块识别中是有作用的。     

基于网络环境的自主学习平台设计与实现

研究并设计了以培养自主学习能力为出发点的自主学习平台,实现了以学生为主体、教师为主导的交互网络教学环境。对系统功能进行需求分析和功能设计的基础上,利用JSP、SQLServer2005等关键技术对自主学习平台的前台(学生)模块、后台(教师与管理员)模块进行了详细设计并实现。     

基于BP神经网络的手写数字识别的算法

由于BP神经网络具有并行处理信息、自组织、自学习信息等优点,本文采用了BP神经网络对手写数字识别进行运算,提取笔画密度、长宽比和欧拉数等特征作为训练样本.并用Matlab对其算法进行仿真,并且很准确的识别出来,说明其有非常广泛的前景.     

基于BP神经网络的城市环境空气质量预测模型

本研究以监测所获得的数据为基础,运用BP神经网络算法原理,建立了城市环境空气质量预测模型,并对该模型的泛化能力进行了误差评价.结果表明：通过BP神经网络建立的空气质量预测模型具有较高的预测精度,预测结果的相对误差均在5％以内,能够很好地满足实际应用的需求.更重要的是,所建立的预测模型无需了解空气质量变化的内部机制,比传统的基于复杂数学模型的预测方法更为便捷,为环境保护部门可以提供更加可靠的决策依据.