大规模在线协作学习分组方法及应用研究

学习孤独感问题是造成MOOC课程学习完成率低的原因之一,构建与学习者学习特征相适应的协作学习小组,可以有效解决学习孤独感问题。利用自编码神经网络提取在线学习者的关键特征,根据同质分组原则,利用模糊C均值算法对在线学习者进行迭代分组,使在线学习者从独自学习转变为以团队的形式进行协作学习,从而改善在线学习者的学习体验,降低学习孤独感。以edX平台上选择计算机科学与编程入门课程的19?846名在线学习者为实验对象,进行在线协作学习分组。实验结果表明,基于该分组方法,每个小组内学习者都有较高的同质性,可以很好地解决学习孤独感问题。     

基于NLA的Polymorphic蠕虫特征自动提取算法研究

随着Polymorphic蠕虫变形技术的不断发展,如何快速有效地提取其特征是入侵检测中特征提取领域的一个重要研究方向。采用基于模式的特征提取算法NLA(Normalized Local Alignment),通过对多个可疑Polymorphic蠕虫流量进行序列比对,自动提取高相似度公共子序列,以向量的形式构造蠕虫特征。实验结果表明该算法在误报率和漏报率方面均优于传统算法。     

计算机导论课程中计算思维能力培养研究

针对计算机科学课程结构中有效培养学生计算思维能力的问题,分析作为所有专业课先导课的计算机导论课程中计算思维能力培养的重要性、面临的挑战和教育理论基础,提出在计算机导论课程中基于Moodle,以NetLogo为实践平台,通过问题分析、抽象建模、编程模拟、特征探索4个阶段,以循环递增的方式进行计算思维能力培养的实践架构,并通过实例详细阐述实践过程和基于多目标的评价过程。     

基于路由算法的无线传感器网络伪装研究

在研究如何通过无线传感器网络WSN有效获取信息的同时,如何确保敏感地区的信息不被WSN窃取也成为研究者关注的热点问题。基于WSN已有的路由算法,利用其开放的特点在敏感地区设置WSN伪装节点,并使其加入WSN节点的路由构建过程,伪装节点采用路由算法自适应伪装,通过修改数据报中的控制信息进而实现阻止WSN节点构建有效路由,并在最大程度上消耗WSN节点能量的目的。从WSN节点能耗速度和网络生命周期两方面验证了基于路由算法的WSN伪装的有效性。     

基于OWL的教学反思本体构建研究

教学反思是教师专业能力的重要组成部分,是教师专业性的体现。为了在信息化学习的背景下更好的开展教学反思培训工作,本文尝试将本体论引入教学反思领域,构建基于反思领域知识的本体。针对教学反思知识模型,采用OWL语言对其进行形式化描述,构建了教学反思本体模型。本体构建方法以斯坦福大学医学院提出的“七步法”为基础,针对具体应用环境修改调整了某些步骤。经评估,所构建的教学反思本体能很好的描述教学反思领域共享概念体系,可用于开发教学反思培训系统的理论基础。     

网络拓扑结构伪装模型

为了隐藏真正主机在网络拓扑结构中的位置,并降低真正主机被攻击的概率,提出真正主机和伪主机交叉配置的网络拓扑结构伪装模型。为了确保攻击者主动、被动探测时伪装结果的一致性,提出网络拓扑结构伪装模板,定义当拓扑结构伪装时不同设备的角色、行为、连接关系,讨论网络拓扑结构主动、被动伪装的处理过程。实验结果表明,该伪装模型在网络拓扑结构伪装方面达到了预期的效果。     

基于Webdecoy的攻击行为特征提取研究

为更好地解决Web应用的安全问题,提出了基于Webdecoy的攻击行为特征提取模型.以具体的业务系统为基础,通过嵌入监控代码跟踪对业务系统的访问并获取探测攻击信息,并对获取信息进行归一化处理和属性划分,根据属性的动态比较得到攻击请求的相似性结构.最后对探测行为进行检测评估,对恶意行为给出报警,并通过实验结果验证了该模型的有效性.     

基于SOA的开放式考试系统设计

分析了现有考试系统的类型和实现技术,提出了一种基于SOA的开放式自动考试系统架构,讨论了主要功能模块的设计及关系,给出了评测内容和评测方式的逻辑关系及基于Web Services组合的开放式功能描述。基于该设计实现的考试系统运行稳定,验证了该设计的合理性和有效性。     

基于改进蚁群算法的协作学习分组研究

协作学习中根据学习者的特征进行有效分组对于提高学习者的学习效率具有重要的作用。基于学习者的学习能力、兴趣爱好和理解水平,在基于蚁群算法的协作学习分组中,以学习者特征相似度值作为启发信息,并针对蚁群算法可能出现的早熟收敛和停滞现象,分别在初期加入判断回退机制和在中后期对启发因子及期望因子进行动态调节以保证分组结果的准确性。模拟实验结果表明该算法在分组性能及准确性上均优于传统算法。     

基于异常行为特征的僵尸网络检测方法研究

基于僵尸网络通信及网络流量的异常行为,可以有效检测出僵尸频道。介绍了通过对主机响应信息的异常分析,进而判断出当前IRC频道是否为一个僵尸频道的检测算法。由此引入了基于异常行为的僵尸频道检测模型,该模型分类提取IRC频道的主机响应信息,结合检测算法分析得出结论。实验结果验证了该模型的有效性。