基于聚类分析的内核恶意软件特征选择

针对现有基于数据特征的内核恶意软件检测方法存在随特征的增多效率较低的问题,该文提出一种基于层次聚类的特征选择方法。首先,分析相似度计算方法应用于数据特征相似度计算时存在的困难,提出最长公共子集并设计两轮Hash求解法计算最长公共子集;其次,设计基于最长公共子集的层次聚类算法,有效地将相似特征聚类成簇;在此基础上,设计基于不一致系数的内核恶意软件特征选择算法,大大减少特征数,提高检测效率。实验结果验证了方法的有效性,且时间开销在可接受的范围内。     

现代山水城镇的空间解析——乐清芙蓉池旅游开发总体概念规划

从山水空间角度分析了乐清芙蓉池旅游开发总体概念规划的设计构思,通过前期方案和深化方案的解析,总结了山水环境下城镇空间布局的基本要点,指出了组团布局的灵活性。     

500 kV双回路直线角钢塔杆件控制工况研究

目的  为了探究输电杆塔中各个杆件的主要控制工况,文章对500 kV双回路直线塔进行测算,并对各类杆件进行汇总归类,识别其控制工况,为今后的直线塔设计提供参考。 方法  文章介绍了杆塔设计中的典型工况,结合杆塔的挂点荷载,以500 kV直线塔为例通过测算识别各杆件的控制形式,并对识别结果进行总结归纳,找寻变化规律。 结果  针对挂点,X向荷载最大的工况为90°大风工况,Y向荷载最大的工况为断线工况,Z向荷载最大的工况为起吊工况。总荷载最大的工况为起吊工况。正常工况控制了杆塔大部分主材,且60°大风工况直接影响了基础力的大小。断线工况控制了杆塔大部分交叉材,安装工况控制的杆件最少。杆塔中有相当一部分杆件由于同压作用受平面外的荷载所控制,这部分杆件主要为杆塔正面上横担下弦杆至中横担上弦杆交叉材,变坡以下交叉材这两部分,在设计中应给予注意。 结论  输电杆塔有着杆件数量多、型号多、布置形式多等特点,在工程建设中,应依据设计条件结合杆件控制工况,有针对性的对杆件进行优化。     

模糊聚类分析法在炼钢中的应用

尝试用模糊聚类分析法处理氧气转炉复吹工艺试验数据,证明底部供气强度对炉渣氧化性及脱磷、脱硫能力有不容忽视的影响,并得到它们之间的定性关系。     

一种基于内容的可扩展性透明Web Cluster体系结构的设计

主要探讨基于内容的Web Cluster,在分析现有方案不足的基础上提出了一种新的基于内容的可扩展性透明Web Cluster体系结构。叙述了其工作机理及所采用的技术方案,重点论述了该集群架构的优越性,最后给出了该集群架构在Linux环境下的模拟实现。     

基于聚类分析和主成分分析法的杨梅营养品质评价研究

采集温州7个地区不同东魁杨梅种植点的46个成熟杨梅样品,分析测定杨梅了10个营养参数,对所得结果进行因素聚类和主成分分析,得出了杨梅中10个营养参数之间的各自相关性,明确了影响杨梅品质的关键指标是草酸、葡萄糖和果糖组分,主成分的贡献比率分别为59.6%、23.5%和15.4%。基于糖酸比例得出了评价杨梅品质的5类品质特征。研究结果对快速评价杨梅品质优劣和指导杨梅种植具有帮助作用。      

基于分布式图像检索的结果合并

针对目前利用Web页面对数字图书馆进行查询存在的两方面的不足:无法判断从何处和如何精确查找信息,文章提出利用中央服务器在用户和分布式资料库之间充当网关角色,完成用户查询,着重解决如何将不同资料库中信息合并在一起,标准化检索图像的匹配值(数字图书馆所分配的),完成结果合并问题。实验证明,该算法应用于结果合并是可行的。     

基于ANP超级决策软件中的智能评估计算与应用

介绍了基于ANP的超级决策软件的各种复杂计算以及在模糊评估中的应用,包括模糊输入、模糊语言的量化及其它们之间的比较、计算,为实现决策方案的评估提供了一种智能化的手段。最后,从应用的角度给出了Super Decision软件的评估计算,并成功地利用该软件对招标评标项目的不同方案进行了评估。     

C + +对象内存布局分析与应用

通过实例分析了C 对象在内存中的布局,消除人们在运用C 进行程序设计时的一些疑虑,可在程序运行的背后更加了解C ,从而设计出更高效、更健壮的代码,最终构造出精巧的应用程序。     

Clustering-based topical Web crawling using CFu-tree guided by link-context

Topical Web crawling is an established technique for domain-specific information retrieval. However, almost all the conventional topical Web crawlers focus on building crawlers using different classifiers, which needs a lot of labeled training data that is very difficult to label manually. This paper presents a novel approach called clustering-based topical Web crawling which is utilized to retrieve information on a specific domain based on link-context and does not require any labeled training data. In order to collect domain-specific content units, a novel hierarchical clustering method called bottom-up approach is used to illustrate the process of clustering where a new data structure, a linked list in combination with CFu-tree, is implemented to store cluster label, feature vector and content unit. During clustering, four metrics are presented. First, comparison variation （CV） is defined to judge whether the closest pair of clusters can be merged. Second, cluster impurity （CIP） evaluates the cluster error. Then, the precision and recall of clustering are also presented to evaluate the accuracy and comprehensive degree of the whole clustering process. Link-context extraction technique is used to expand the feature vector of anchor text which improves the clustering accuracy greatly. Experimental results show that the performance of our proposed method overcomes conventional focused Web crawlers both in Harvest rate and Target recall.