一种基于Hadoop平台CloudSVM的网络流量分类方法

大规模的netflow训练数据集是构建高质量、高稳定网络流量分类器的必然要求。但随着网络流特征维数的提高和数据集规模的扩大,无论是网络流的分析处理还是基于支持向量机(SVM)的分类器模型的训练,都无法在有效的时间内得到有效的处理结果。本文基于Hadoop云计算平台,采用MapReduce技术对SVM网络流量分类器进行分布式学习和训练,构建CloudSVM网络流量分类器。通过对来自校园网出口镜像的近2 T的大规模网络流量的跟踪文件的分布式存储和处理,对抽取的样本数据集进行分类,实验验证了基于Hadoop平台分布式存储和并行处理大规模网络数据集的高效率性,也验证了CloudSVM分类器在不降低分类准确度的情况下可以快速收敛到最佳,并随着大规模网络流样本的增加,SVM分类器训练的时间趋近平稳。     

基于遗传算法的移动Sink数据采集信宿路算法

数据收集是部署无线传感网络WSNs(Wireless Sensor Networks)基本目的。而采用移动Sink方式收集节点数据是解决数据收集效率的有效措施。为此,提出基于遗传算法的移动Sink数据采集算法GMSDC(Genetic algorithm-based Mobile Sink Data Collecting)。GMSDC算法利用遗传算法求解最佳驻留点,再由这些驻留点构建Sink移动路径。仿真结果表明,相比于EDAMS算法,GMSDC算法增加了数据收集量。     

在线会议管理系统中Cookies安全应用的研究

本文首先介绍了在线会议管理系统的体系架构,然后详细分析了该系统中存在的Cookie及其安全问题,并提出了具体的解决方案。     

一种基于LEACH的改进无线传感器网络路由协议

为了在无线传感器网络(WSN)中降低能耗和提高网络生存期,针对LEACH协议中簇头选举不合理和随机分簇的不足,提出了一种LEACH的改进协议.该协议首先计算无线传感器网络的最佳分簇数量,然后与遗传算法相结合对网络进行分簇,再根据簇中节点的剩余能量等情况选出簇头节点.仿真结果表明,与经典的LEACH协议相比,改进后的协议减少了网络的能量消耗,延长了网络生命周期.     

基于工作流的构件组装技术研究与应用

研究了软件复用技术、构件技术和工作流技术的理论,以及运用构件、构件库进行构件组装的方法.通过对工作流技术和构件组装技术原理、方法的研究,提出了基于工作流的构件组装技术体系结构.讨论了某生物医药园的进销存管理系统的应用背景和总体目标,提出了基于工作流的构件组装技术实施软件项目的开发流程、体系结构和解决方案.     

基于粒子群优化算法的软件测试数据生成研究

遗传算法在软件测试数据自动生成方面应用广泛,但是其自身也存在局限性,如参数难于设置、算法复杂等,而粒子群优化算法执行容易、参数少,能很快地找到最优解。论文提出一种基于粒子群优化算法的软件测试数据自动生成方法,并应用于等边三角形判别程序。实验表明,粒子群优化算法能比遗传算法更高效的生成测试数据。     

网络信息安全问题探索

本文通过简述常见的网络安全隐患,引出未来网络可能存在的攻击手段,进行分析并给出了有效的预防措施。     

关于构件技术与中间件关系的探讨

本文从构件在现实软件发展中的地位展开,分析了中间件在系统组织层次中所起的作用,阐述了构件化思想对中间件本身的促进作用,提出了一种构件化中间件的发展模式。     

基于J2EE的三层架构的电子商务系统的研究与应用

随着计算机技术和网络技术的飞速发展,大量的应用系统都面临着向Internet迁移,软件体系结构已逐渐从传统的C／S结构向B／S结构发展,本文简要分析J2EE技术原理,提出了基于J2EE的三层结构的B／S模式的电子商务系统的实现与应用。