提高大学生就业能力的科技创新活动思考

大学毕业生就业难问题日趋严重,就业能力欠缺已成为影响大学生就业的一个重要因素,阐述了当前大学生的就业现状,分析了大学生就业能力与科技创新活动的关系,并立足大学生就业能力的培养,提出了开展大学生科技创新活动注意的七个方面。     

聚酯经营 风云变幻

回顾了 2 0 0 0年世界聚酯的发展状况 ,分析了 2 0 0 1年聚酯经营的现状 ,指出聚酯工业正面临着风云变幻的境地 ,并提出发展聚酯工业的建议。     

中国干燥产业现状及发展战略（二）

对中国干燥产业的发展现状以及中国加入WTO对干燥产业的影响作了较全面的分析；从中国干燥产业的实际出发，就产业的战略选择、企业的经营战略作了讨论；同时对干燥产业的发展形势分行业作了预测；最后就发展方向问题提出了10点见解。     

受阻胺类光稳定剂的现状及开发进展

受阻胺类光稳定剂（HALS）是继紫外线吸收剂之后的一种新型高效光稳定剂，简要介绍了国内外HALS的研究，生产现状及发展趋势。     

“地理信息系统”实验教学改革研究

目前军事领域的信息化建设已经离不开地理信息系统(GIS)的支持。针对地理信息系统的实际应用,立足于军事需求,充分考虑学员特点,将GIS知识与指挥作战知识结合,精心设计了"地理信息系统"的实验内容,通过目标导向型分步骤的实施以及问题导向型学习指导学员学习地理信息系统相关知识,为学员将来使用信息化的应用系统打下了良好的基础。     

我国涤纶工业的发展现状和建议

叙述了我国涤纶的发展历史、现状及发展趋势。分析了目前涤纶行业存在的主要问题，指出今后涤纶的发展应着眼于国内外两个市场，除发展衣着用涤纶外，应进一步向装饰用和产业用领域扩大，同时发展原料工业。     

关于我国建卫瓷行业的几点思考

结合我国建筑卫生陶瓷行业发展的现状和当前国家产业政策,对影响行业发展的关键技术、环保节能以节约资源等问题进行了探讨,提出了相关建议。     

医院信息系统项目管理的现状与突破

自20世纪90年代以来,我国医院信息系统发展迅速。到目前为止,全国绝大部分医院实现了信息化管理,并且逐步向区域医疗信息资源共享模式迈进。在医院信息化建设进程中,随着信息系统规模日益庞大,信息管理部门对它的驾驭能力捉襟见肘,原有粗放式的管理模式已远不能适应工作需要。有必要重新审视医院信息系统项目管理模式,实现新的突破。本文以医院信息科为视角,探讨将项目管理九大手段运用到医院信息系统项目建设过程中的作用及效果。     

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。     

基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先,通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。