排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
神经网络在计算机网络安全评价中的应用研究 总被引:5,自引:0,他引:5
研究计算机网络安全评价问题,计算机网络安全评价是一个多指标系统,计算机网络受到漏洞、病毒等人侵是一个复杂的非线性问题,传统线性评价方法不能准确描述各指标对评价结果影响且评价结果的精度低.为了提高计算机网络安全的评价精度,提出了一种粒子优化神经网络的计算机网络安全评价方法.首先通过专家系统挑选计算机网络安全评价指标,然后采用专家打分方法确定评价指标权重,最后将指标权重输入BP神经网络进行学习,BP神经网络参数通过粒子群算法进行优化,获得计算机网络安全评价等级.仿真结果表明,相对于传统计算机网络安全评价模型,粒子优化神经网络加快计算机网络安全评价速度,提高了计算机网络安全的评价精度. 相似文献
3.
依托世界多个矿山的爆破块度统计数据,以27个样本作为训练样本,10个样本作为待判样本,通过主成分分析法对原始数据加以处理,获得相对独立的新变量,后将新变量作为指标代入分类判别法中,量化爆破块度分级标准,利用多元回归分析推得不同级别相对应的块度预测模型,并与工程中广泛使用的Kuz-Rom结果进行对比。结果表明:提出的模型在建立时避免了爆破因素间的相互影响;通过对待判样本的对比预测可知,该模型预测精度优于Kuz-Rom模型,并验证了建立不同级别相对应爆破块度预测模型的正确性。 相似文献
4.
5.
蚁群算法在自动组卷建模中的应用研究 总被引:1,自引:1,他引:0
在自动组卷优化控制的研究中,自动组卷是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当的困难,导致组卷效率和成功率都比较低.结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型.模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后用蚁群算法对数学模型进行求解,输出最优组卷方案.仿真结果表明,蚁群算法充分利用了蚁群算法群体智能特点,提高了组卷效率和成功率,很好满足自动组卷的效能要求. 相似文献
6.
采用分离式霍普金森压杆(SHPB)试验装置,对0°,22. 5°,45°,67. 5°和90°五种不同层理倾角的层状岩石进行了不同冲击速度下的动态压缩试验,对破碎后的试样碎屑进行筛分,对比分析了层状岩石动态破坏时的块度分布特征;探讨了不同入射能对层状岩石反射能、透射能、耗散能密度和块度分布的影响。结果表明:对同一层理倾角试样,随着冲击速度增大,块度平均粒径逐渐减小,破碎程度逐渐增大;相同冲击速度下层理倾角为67. 5°的试样破碎程度最大,0°试样破碎程度最小。分形维数可以很好的量化表征破碎块度分布特征,破碎块度越小,分形维数越大。相同入射能时,90°试样耗散能密度最大,0°或22. 5°耗散能密度较小,表明高倾角试样能量利用率高,0°或22. 5°的利用率较低。层理倾角为45. 0°,67. 5°和90. 0°的试样在入射能相同时反射能较大,层理倾角为0°,22. 5°的试样透射能较大,表明大倾角下无用功大多以反射波形式耗散,低倾角下无用功大多以透射波形式耗散;反射能、透射能与耗散能密度随入射能增大而增加;分形维数随耗散能密度增大而增大。高倾角时随能耗增大,试样破碎程度越剧烈;低倾角随耗散能密度增大,试样破碎趋势变化较小,产生新裂纹与破裂面所需能量较多。在实际工程中,选择45°~67. 5°倾角的动态加载角度,不仅岩石强度较低,岩石破碎程度高,且能量利用率较高。 相似文献
7.
武仁杰 《计算机测量与控制》2012,20(7):1818-1820
目前传统的矿井监测网络大都采用有线传输方式造成了布线繁琐、覆盖范围有限、线路依赖性强等问题,一些无线传输网络使用射频感应技术造成节点的功耗过大出现了节点耗能严重而死亡的问题;提出一种基于ZigBee的矿井监测节能控制系统,设计基于ZigBee网络的矿井传感器节点软件与硬件方案,根据矿井网络中节点终端的网络结构设计灵活的路由选择协议使节点的能量消耗达到均衡。实验表明,基于ZigBee的矿井节能控制系统能够有效地进行组网,控制节省节点能量损耗减少节点死亡率,实用性较强。 相似文献
1