基于改进差别矩阵和专家知识的态势指标提取算法

针对常规粗糙集约简算法在应用中的样本指标提取困难和效率低下等问题,将粗糙集理论引入到态势指标提取中,基于差别矩阵压缩和分类选择实现态势指标决策表的信息约简,结合专家知识的指标重要性度量调整态势指标的选择,提出一种基于改进差别矩阵和专家知识的态势指标提取算法.在态势指标体系实例中进行分析和验证,实验表明该算法具有较好的态势指标约简效果,提取后的指标在网络安全评估中是合理的,因此该研究为态势指标的有效提取提供一种可行的解决途径.     

不锈钢上离子镀硬铬层的性能研究

采用离子镀硬铬技术在不锈钢上制备了不锈钢色硬铬镀层。介绍了其原理和工艺,研究了不锈钢上离子镀硬铬层的表面形貌、硬度、耐蚀性、耐磨性以及结合力。结果表明,不锈钢上离子镀硬铬层表面呈多孔状结构,镀层组成元素为98.02%的Cr及微量(1.13%)的Si。Si元素的掺杂极大地提高了镀层的硬度(可达1 200 HV);硬铬层与不锈钢间的金属扩散层厚度达300 nm,使得硬铬层与不锈钢基体间结合力良好。不锈钢上离子镀硬铬工艺技术环境友好,制备的硬铬层硬度高,具有优良的耐蚀、耐磨性能和强的结合力,是传统镀铬工艺技术的理想替代技术。     

Web Services在HIS中的应用研究

针对目前医院信息系统(HIS)发展中出现的问题，做出了相应的分析。并且研究了Web Seruices在HIS中的具体应用。     

碳纤维材料的性能及应用

文章阐述了碳纤维材料的国内外发展现状,论述了碳纤维材料的分类特性和功能特性。同时,着重介绍了碳纤维材料在航空、体育等行业中的应用,并展望了其发展前景。     

BIM自适应模型在异形幕墙施工中的应用

BIM技术自20世纪90年代便已产生,但该技术在国内的规模化推进依旧艰难。为了迎合时代趋势,作为施工企业,应尝试在建筑生产过程中,通过使用BIM技术的自适应构件,对异形幕墙的施工过程起到充分发挥其效益作用的目的。     

基于特征选择的模糊聚类异常入侵行为检测

网络攻击连接具有行为的多变性和复杂性等特征,利用基于传统聚类的行为挖掘技术来构建异常入侵检测模型是不可行的。针对网络攻击行为的特点,提出了基于特征选择的模糊聚类异常入侵模型。首先通过层次聚类算法改善了FCM 聚类算法结果对初始聚类中心的敏感性,再利用遗传算法的全局搜索能力克服了其在迭代时易陷入局部最优的缺点,并将它们结合构成一种AGFCM 算法;然后采用信息增益算法对网络攻击连接数据集的特征属性进行排序,同时利用约登指数来删减数据集的特征属性以确定特征属性容量;最后利用低维特征属性集和改进的FCM 聚类算法构建了异常入侵检测模型。实验结果表明该模型对绝大多数的网络攻击类型具有很好的检测能力,为解决异常入侵检测模型的误警率和检测率等问题提供了一种可行的解决途径。     

面向新工科的计算机网络教学现状分析与改革

从知识点、内容和实践3个角度分析计算机网络教学现状以及在新工科建设下所面临的问题,针对这些问题,基于虚拟化网络思想提出一种新的课程实践方法,通过近年本科教学中的两个课程设计实例阐述这一方法的应用,最后说明教学改革效果。     

手表行业用国内外蓝宝石玻璃的基本性能对比研究

对手表行业现用的国内外蓝宝石玻璃进行性能对比研究,研究内容包括外观、尺寸精度、耐腐蚀性能、密度、透光率、耐磨硬度、钢针推拉测试、钢珠落下测试、耐冷冻试验和冷热冲击试验,共10项研究测试,比较国内外蓝宝石玻璃的性能。结果表明:国内外的蓝宝石玻璃在基本性能上均差异不大;但国内生产的蓝宝石玻璃密度较小,内部可能存在缺陷;国内生产的蓝宝石玻璃的加工精度,差于国外进口的蓝宝石玻璃。     

新型智能公交——实时到站与拥挤状况查询系统开发及应用研究

随着城市人口的高速增长,城市居民出行量迅速提高,造成交通拥挤,而城市公共交通系统的顺畅与否直接影响着城市经济运行的效率和市民生活的品质.虽然中国已经迈进了公交智能化的时代,但各大交通信息系统的融合程度不高,没能实现乘客需求最大化.本研究在基于系统对客流数据的准确搜集和对车辆实时信息的准确把握上,进行实时到站与车载拥挤状况系统开发及其应用研究.新型智能公交系统的开发应用,集车载拥挤情况和车辆定位信息为一体,人们能运用智能手机链接该系统随时随地了解公交车的实时位置以及车内的拥挤情况,为人们提供更方便的出行路线及应坐公交的实时路况及拥挤程度,从而提高出行质量.     

基于HMM-NN的用户点击流识别

用户行为画像分析是实现网络智能化的关键手段之一,而点击目标识别是构建用户行为画像的重要依据和基础。已有的工作主要为系统端设计,其只能反映用户对特定服务域的行为特征,不适合网络端的检测和管理。网络端用户行为分析面临的主要挑战是处于协议栈底层的网络管道无法获取应用层及系统端信息,只能依赖IP数据流,因此难以构建有效的网络端用户行为画像。因此,提出了一种新的面向中间网络的用户点击目标识别方法,该方法融合了隐马尔可夫模型(Hidden Markov Model, HMM)和神经网络(Neural Networks, NN)。HMM框架从IP流的角度描述点击流与非点击流的动态行为过程;NN用于建立HMM中的隐状态与复杂网络流行为特征之间的关系。通过评估待测请求序列与HMM-NN模型的拟合度来实现用户点击目标的识别。该方案的主要优点在于它继承了HMM的可解析性,并利用NN增强了HMM对复杂数据的描述能力;而且该方案不涉及IP流所承载的数据内容,适用于加密与非加密场景下网络端的点击行为识别,有效解决了网络端用户行为画像分析所面临的困难。基于多个实际数据集进行实验,结果表明该方案的3个常用评价指标F1...