互动教学法对Java EE课程教学效果的影响研究

为了验证互动教学法对教学效果的影响,在《Java EE及其应用》课堂的教学环节中,采用对比的方式,选择一个班级进行传统教学,另一个班级除了传统教学外,还使用Java EE教学互动平台来进行课程教学,在课堂上和课后给学生提供全方位的互动教学。实验结果证明教学互动平台对于教学效果有明显的积极影响,尤其对于70~89分数段的学生来说具有较明显的促进作用,学生卷面成绩有明显提高。     

基于反向选择的地震前兆观测数据异常检测

针对现有前兆异常检测方法因异常数据较少导致检测准确率偏低的问题,提出一种基于反向选择的检测方法。定义地震数据中的self集与nonself集;将随机选取的未成熟检测器与self集进行匹配,生成半径可变的成熟检测器,覆盖nonself空间;将待检测数据与检测器匹配,通过判断是否在nonself空间得到检测结果;与现有地震异常检测方法BP神经网络、支持向量机进行对比,实验结果表明反向选择用于地震前兆观测数据异常检测有更好的效果。     

击键认证模板的双更新方法

尽管用户的击键习惯随时间变化,但在后期几乎保持不变,单更新方法只更新模板中的中心点,而容忍半径保持不变,使击键认证算法在后期具有较高的漏报率。本文提出一种击键认证中用户模板的双更新方法,该方法同时更新模板中的中心点,及其容忍半径,能适应用户在前期击键习惯变化较大、而在后期基本不变的特点。实验证明,与单更新方法相比,该方法在后期能降低算法的漏报率。     

结合XGBoost的树突状细胞改进算法

树突状细胞算法(DCA)要求输入3类信号,需要通过人工选取或统计学等方式提前进行特征提取。为准确、高效地提取特征,提出一种基于XGBoost的DCA。通过使用XGBoost算法迭代生成决策树,根据决策树的特征节点对数据集的特征指标进行提取与分类,并作为DCA的信号输入以实现算法优化。使用KDD99数据集进行实验,结果表明,与基于粗糙集的改进算法相比,该算法的准确率更高,最高可达0.859 00。     

Android恶意软件的人工自然杀伤细胞检测模型

针对现有Android恶意软件检测方法中存在的特征分析单一和固定化、对未知和潜伏性强的恶意软件检测能力弱等问题,构建一种Android恶意软件的人工自然杀伤细胞（Natural Killer cell,NK）检测模型。对人工自然杀伤细胞模型和树突状细胞算法（Dendritic Cell Algorithm,DCA）进行了研究,结合软件静态权限申请特征和动态API调用特征,经数据预处理后形成模型的各类输入信号。人工NK细胞输出刺激因子与DCA危险信号融合,提高了DCA的危险信号显著性,优化了DCA的检测过程。实验包含从VirusTotal等数据集选取的多种分类恶意软件样本1 150个,良性软件样本1 093个。实验结果表明与DCA和[K]-means等检测方法相比人工NK细胞检测模型提高了准确率并且降低了误报率。     

逻辑程序的事实维护

事实是逻辑程序的重要组成部分,事实维护影响着整个逻辑程序的一致性和完整性,并能够促进和完善规则维护。论文在分析了人工进行维护操作的弊端后,对事实维护中可能出现的情况进行分类分析,提出了事实维护系统的框架,重点描述了预警检测子系统所扮演的核心作用。     

进程异常检测中淋巴细胞的逻辑语义模型

论文针时反向选择算法无法有效地捕捉某些复杂问题空间的语义信息的缺点,以逻辑程序设计领域中的稳定模型为理论基础,提出一个淋巴细胞的逻辑语义模型。该模型采用逻辑程序表示淋巴细胞和抗原,通过计算它们的稳定模型来进行异常检测。最后,以进程异常检测为背景,设计了一个系统框架。该框架充分考虑了进程系统调用短序列的语义信息。能有效地提高异常检测的准确率。     

一种概率关系数据库系统

传统关系模式不适合处理不确定性信息,为处理不确定信息,该文基于元组属性间的联合概率,定义了概率关系及几种基本的概率关系操作和关系代数,提出了概率函数依赖关系的概念,给出了一种概率关系数据库模式及代数。     

淋巴细胞的时间语义逻辑模型及其演化策略

数字序列抗原内部存在许多语义特征，针对抗原进行语义识别可以提高系统检测的准确性。基于抗原的相对时序关系，该文采用了一阶逻辑作为抗原和淋巴细胞的基本描述语言，以扩展逻辑程序构造淋巴细胞的时间语义逻辑模型，给出了淋巴细胞的逻辑表示形式。基于逻辑程序的稳定模型语义学，用稳定模型语义计算作为新的淋巴细胞的匹配算法。借鉴遗传归纳逻辑程序GILP的基本思想，给出了新的淋巴细胞的演化算法。