基于统计语言模型的低耗时入侵检测方法

针对基于系统调用序列的入侵检测方法在实际应用中成本偏高的问题,在STIDE方法的基础上提出一种低耗时的入侵检测算法。利用N元语义模型分析系统调用序列规律,计算系统调用的贡献度,抽取最能体现用户正常行为的系统调用,建立正常模式库实现异常检测。实验结果证明,该算法在保证检测率不下降的同时,训练和检测系统调用短序列的规模降低70%。     

含控释钾腐植酸复合肥对甘薯产量及品质的影响

为探明施用含控释钾腐植酸复合肥对甘薯产量及品质的影响,采用田间试验法,选取“济薯25”“济薯26”“龙薯9”“西瓜红”“烟薯25”共计5个品种,在不同土壤肥力条件下布置15个试验点,每个点分别设置普通复合肥（CK）和含控释钾腐植酸复合肥（KK）共2个处理,研究施用含控释钾腐植酸复合肥对甘薯膨大中期土壤速效钾、甘薯冠根比（T/R值）及收获期单株结薯数、商品薯率、产量、淀粉含量、可溶性糖含量的影响。结果表明：施用含控释钾腐植酸复合肥可提高甘薯膨大期土壤速效钾养分9.31%～49.08%,降低甘薯T/R值8.33%～10.84%,增大甘薯单株结薯数0～12.82%,增加商品薯率1.43%～21.09%,不同品种甘薯产量显著提高13.57%～43.60%,淀粉含量提高6.30%～13.50%,可溶性糖含量提高6.18%～16.02%,净利润率提高25.52%～156.12%。     

大型传感器网络中高速连续数据流的缓存策略

大型传感器网络是指一种规模巨大的传感器网络,其传感器节点多达上万个(设为n),如果每个传感器的采样率为1ms,每个采样点为24bits,则整个网络产生的数据总流量可高达24nkbps(因为n可达上万,所以流量可达几百Mbps).如何实现这个巨大网络中传感器节点到基站的高速连续数据流的缓存,是保证整个网络顺利运行的关键所在.采用FPGA和异步FIFO的结合,完美地解决了这个问题.     

目标频繁模式挖掘算法研究

通用的频繁模式挖掘算法通常产生庞大的频繁模式集,其中很多是用户不感兴趣的非目标模式。要排除这些非目标模式,用户必须进行"二次挖掘"。TFP-growth虽然生成所有最大目标频繁模式,但要从中获得目标频繁模式,还需经过"二次挖掘"。若在挖掘的早期就对非目标频繁模式的产生加以限制,则有望提高算法的效率。本文在TFP-growth和SFP-growth的基础上,提出一种目标频繁模式挖掘算法STFP-growth,通过对TFP-树的排序、根据树根结点的不同情形采用不同的建子树方法和目标频繁模式筛选方法等来提高算法的效率。STFP-growth挖掘的结果是所有满足用户需求的目标频繁模式,不需"二次挖掘"。实验表明,STFP-growth的效率高于TFP-growth,也明显优于Apriori和Eclat。