云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

新媒体时代大学生网络学习特征分析

新媒体时代,大学生学习行为呈现新的特征,把握大学生的网络学习特征,对于做好信息时代教育教学具有重要意义。通过对南昌市6所高校289名学生的调查研究,总结出学生网络学习的自主性、碎片化、偶发性与非线性、零散性与系统性、共享性、开放性与病毒性、模糊化七个特征。经过独立样本t检验和单因素方差分析,发现在性别、专业、年级、生源地四个方面,不同特征存在差异。     

变形工艺对Q235钢热变形本构方程的影响

以Q235钢为对象,利用Gleeble-3500热模拟试验机研究其在不同变形工艺下的热变形本构方程。结果表明,Q235钢在不同变形工艺下的热变形本构方程受温度波动影响较大,较传统的方法测得的热变形本构方程,前者的计算结果更接近于实测值。     

基于互联网环境的高职院校学生自主学习能力培养

互联网如今已经渗透到社会各个角落,各种网络技术使得人们可以根据自己的实际情况完成自主学习。社会对人才的需求已经不仅仅是简单的岗位技能要求,还要求毕业生要具备自主学习这一职业核心能力。高职教育如何提高学生的自主学习能力,使学生能够适应瞬息万变的社会,就显得尤为重要。根据国内外学者的研究,结合高职院校学生的特点,通过问卷调查发现当前高职院校学生自主学习的现状,找到存在的问题,提出提高高职院校学生自主学习能力的对策。