如何做好Linux病毒系统的防护

当心Linux病毒在Linux出现之初,由于其最初的优秀设计,似乎具有先天病毒免疫能力,所以当时有许多人相信不会有针对Linux的病毒出现,但是Linux终于也不能例外。1996年秋,澳大利亚一个叫VLAD的组织用汇编语言编写了据称是Linux系统下的第一个病毒的Staog,它专门感染二进制文件,并通过三种方式去尝试得到root权限。当然,设计Staog病毒只是为了演示和证明Linux有O和的们病但多域可病毒     

概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

基于组播源移动的组播树修改过程研究

特定源组播(SSM)是现在应用最广泛的组播模型。随着无线网络的快速发展,移动用户不断增加,移动环境为越来越多的用户提供有限的、共享的带宽,这样的现实更加重了网络对组播服务的需要。然而,特定源组播(SSM)对组播源移动的支持仍然是一个有待解决的问题。本文将针对组播树修改协议(TM)进行分析和改进,进一步完善组播树修改协议过程。     

一种面向目标的情感极性分析方法

面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性.当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降.为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征.此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果.在几个常用的标准数据集上的实验结果表明了上述模型的有效性.     

哈夫曼树的异构部分重复码构造

针对分布式存储系统中数据被访问频率的不同,提出一种基于哈夫曼树的可变重复度的异构部分重复(HVFR)码,将不同访问频率的数据块作为哈夫曼树带有确定权值的叶子节点,构造哈夫曼树并确定数据块的重复度,利用成对平衡设计构造异构部分的重复码,能够提高热数据的并行访问速度和系统存储效率. 性能分析和实验结果表明,与里所码以及简单再生码相比,HVFR码可以显著减少故障节点的修复时间及修复局部性,提高热数据的并行访问速度,达到负载均衡,且计算复杂度低.     

快速的层次树集合分划编码算法*

设计了一个改进算法,它仅需对小波分解矩阵进行一遍扫描即可确定层次树集合分划编码(SPIHT)算法所需的所有D(i,j)和L(i,j)重要性并完成对所有(i,j)子系数的编码,使得按照SPIHT的排序方法编码时只需查找存放D(i,j)和L(i,j)的重要性及(i,j)子系数的编码表,从而大大提高了SPIHT的编码速度.     

参激随机共振及纠错码技术的应用

为了有效地降低数字信号传输过程中的比特误码率,提出了纠错编码与参数调节随机共振技术的结合.在经过噪声污染后,依据参数调节随机共振技术的性质,给出通过系统参数调节的二进制脉冲幅值调制（PAM）输入信号的渐近误码率公式,应用纠错码技术采用中间值估计的方法得到修正的比特误码率.数字仿真试验证实,理论计算结果与试验结果相吻合,纠错码技术与参激随机共振技术的结合应用于二进制基带信号传输,可以降低误码率,从而可以得到更好的效果,提高通信的可靠性和有效性.     

无人机倾斜摄影测220kV输电线路树障的研究

在输电线路的巡检方案中引入无人机携带相关巡视设备,弥补了传统人工巡检方案的不足,解决了输电线路通道可见性的问题.随着无人机从搭载普通摄影设备到搭载LiDAR技术的发展,采用无人机倾斜摄影技术对输电线路的巡检得到广泛运用.阐述了无人机倾斜摄影技术的原理,通过对广东地区某200 kV输电线路进行采集摄影、数据处理、形成点云三维模型,生成报告,与实测数据进行比对.结果表明,无人机倾斜摄影技术对输电线路的巡检效率高、树障检测误差小、精度高.     

钢铁企业制造过程物料信息流的建立研究及应用

本文针对炼钢企业长流程多工序的生产特点,基于现有各个机组相对孤立的生产信息数据,从炼钢开始通过物料信息流模型的建立,实现物料全流程制造过程跟踪与追溯,同时串接各个机组的生产实绩情况,组建全制造过程物料信息流,为钢铁企业工业大数据的分析挖掘奠定数据基础。     

一种新的基于递归分解的图可达性查询算法

针对现实中许多超大规模图可达性查询的问题,提出了一种新的基于递归分解的算法,即将原图递归分解成一系列生成树和剩余图两类子图,并通过分别查询这两类子图来减少查询开销.相比于区间标记、链分解、2-hop标签和路径树等传统算法,该算法不仅空间开销更小,且时间复杂度更低.仿真实验表明,该算法对处理大规模有向图可达性问题上存储规模更小且查询效率更高.