排序方式: 共有162条查询结果,搜索用时 234 毫秒
91.
92.
现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测。因此,提出一种基于多通道图像视觉特征和AlexNet神经网络的恶意代码检测方法。该方法首先将待检测的代码转化为多通道图像,然后利用AlexNet神经网络提取其彩色纹理特征并对这些特征进行分类从而检测出可能的恶意代码;同时通过综合运用多通道图像特征提取、局部响应归一化(LRN)等技术,在有效降低模型复杂度的基础上提升了模型的泛化能力。利用均衡处理后的Malimg数据集进行测试,结果显示该方法的平均分类准确率达到97.8%;相较于VGGNet方法在准确率上提升了1.8%,在检测效率上提升了60.2%。实验结果表明,多通道图像彩色纹理特征能较好地反映恶意代码的类别信息,AlexNet神经网络相对简单的结构能有效地提升检测效率,而局部响应归一化能提升模型的泛化能力与检测效果。 相似文献
93.
94.
激光加工中无接触光电跟踪系统的设计 总被引:1,自引:0,他引:1
利用几保光学原理,研制了一套光学装置,将激光束的离焦量变换为成像位置的偏移量,光电技术将该偏移量转换为电信号,通过控制电路的比较判断,对电机给出控制信号,从而实现激光头对工件表面跟踪补偿,中论述了该系统的检测跟踪原理、光路设计、信号转换等问题。 相似文献
95.
利用固相燃烧法制备了Ni-Zn共掺的LiNi0.03Zn0.02Mn1.95O4正极材料.采用X射线衍射仪、扫描电子显微镜、透射电子显微镜和X射线光电子能谱仪等对材料的结构、形貌和元素价态进行分析,并且通过一系列电化学测试对材料的电化学性能进行分析.结果表明:合成的LiNi0.03Zn0.02Mn1.95O4正极材料具有较好的电化学性能,在25℃、1 C条件下首次放电比容量为125.5 mAh/g,1000次循环后的容量保持率为73.6%;在10 C和20 C下,1000次循环后的容量保持率分别为58.0%和42.7%;在55℃、1 C条件下循环200次后的容量保持率为73.2%;LiNi0.03Zn0.02Mn1.95O4材料有较大的锂离子扩散系数(3.42×10-8 cm2/s)和较小的活化能(17.25 kJ/mol),Ni-Zn共掺稳定了尖晶石的晶体结构,有效抑制了Jahn-Teller畸变,改善了材料的循环稳定性和倍率性能. 相似文献
97.
98.
99.
100.
暖通空调对策节能减排——低碳经济与建筑节能发展 总被引:1,自引:0,他引:1
根据国际能源机构(IEA,International EnergyAgency)在2007年的预测,在全球增加的碳排放量中,中国占了最大份额。 相似文献