基于Web的通用效能评估仿真架构实现研究

为实现复杂系统效能评估、多方案对比,构建了基于Web的通用效能评估仿真架构。对评估模式进行了创新,基于评估流程化管理方式,实现任务驱动执行、任务导航和数据的自动流转。针对指标体系建模的复杂性,利用树状、网状或环状等视图对指标模型进行可视化展示,并实现多专业协同指标分解和指标完整性专业审核,确保了指标分解的客观性。基于数据采集挖掘、统计分析等多种先进的智能技术,将仿真系统产生的海量数据引入效能评估仿真分析环节,使得效能评估过程可有效利用仿真真实数据,提高效能评估结果的可信性。构建基于脚本引擎调用实现效能评估算法集成与扩展,提升了效能评估仿真框架的通用性和扩展性。最后,通过多样本、多方案评估结果对比分析工具的实现,提升了效能评估工具实用性。     

复杂网络安全态势评估模型仿真分析

复杂网络系统的稳定性较差,延迟呈现较大程度的波动,各种网络安全评估数据的融合自律特征呈现高度的非特征化状态.传统的基于自律特征网络安全评估模型在这种状态下,很难对复杂网络完成安全性整体评估.提出了一种新的复杂网络安全态势评估算法.算法通过计算复杂网络安全评估指标的权值系数,构建了一种特征判断矩阵,根据矩阵结果,利用梯度搜索方法,建立适应于复杂网络安全态势的评估模型,从而实现该网络的安全态势评估.实验结果表明,算法进行复杂网络安全态势评估,能够极大地提高复杂网络安全态势评估的准确性,从而为复杂网络安全提供有力的保障.     

基于随机森林算法的电力电子互感器状态评估模型

互感器状态因受多种因素影响,导致评估指标权重重要程度的计算难度较大,因此,本文提出基于随机森林算法的电力电子互感器状态评估模型。通过提取电力电子互感器状态评估指标,利用随机森林算法精准计算评估指标的权重重要程度。综合指标的权重值,构建电力电子互感器状态评估模型。实验结果表明,利用随机森林算法设计的评估模型评估互感器的4种运行状态,其评估正确率均高于传统评估模型,达到了99%以上。由此可见,利用基于随机森林算法的互感器状态评估模型在评估互感器运行状态领域中具有很高的评估正确率,完全可以满足实际应用需求。     

基于改进遗传算法的装备保障效能评估指标约简

针对现有装备保障系统效能评估指标体系存在指标冗余而导致效能评估复杂度高的问题,提出了基于改进遗传算法的装备保障系统效能评估指标约简方法.首先,方法通过强精英参与、完备交叉与预变异策略对遗传算法的选择、交叉与变异步骤进行改进;然后,将改进后的遗传算法用于装备保障系统效能评估指标约简,以指标间综合互信息与选择比例构建遗传算法适应度函数.仿真结果表明,改进后的遗传算法具有较高的收敛性与全局寻优能力,与粗糙集属性约简算法和灰色关联分析算法对比表明,本文方法能够在选择更少评估指标的同时,得到更高的评估精度.     

图像隐写算法评估体系的解释结构模型研究

隐写算法的评估是以隐写系统安全性角度出发,总结出了抗检测性、鲁棒性、抗容量探测性等多个性能指标,构建了评估指标集.并采用解释结构模型法对评估指标体系进行分析。重点讨论了方法的应用和结果的分析,给出了对图像隐写算法评估体系建立和分析的思路与方法。     

独立学院网络工程专业培养方案的研究与实践

本文通过分析社会对网络工程专业人才的需求,提出了以社会需求为导向确定专业培养目标、依据专业培养目标构建课程体系的专业培养方案的设计思路,讨论了确定专业培养目标、构建课程体系的方法。     

基于ANP算法的高职院校评估方法的研究

为了对高职院校进行评估,针对高职院校评估指标的关联性和客观性不强的问题,提出一种基于Apriori-网络层次分析法的高职院校评估系统方法。首先在现有的研究和规范标准的基础上,通过阅读国家政策、文献、查阅现有的高职院校指标体系,以及对各省份高职院校近三年质量年度报告的梳理,明确了评估高职院校的指标,建立一套基于高职院校评估三级指标体系;然后通过Apriori算法来确定指标之间的关联程度,以此来构建ANP网络模型,提出一种基于改进Apriori算法+ANP算法的高职院校评估指标体系。     

基于AdaBoost-BOA的中小企业信用评估模型

针对我国现有信贷风险评估体系的不完善以及银行对中小企业的信用等级评估的要求,提出了一种基于Ada?Boost-BOA的中小企业信用评估模型.首先确定中小企业信用评估指标,然后通过贝叶斯优化算法构建AdaBoost-BOA集成分类信用评估模型.实验结果表明,与其他传统的模型相比较,论文提出的AdaBoost-BOA模型在信用等级评估中具有更优良的评估性能,其准确率更高.     

基于过采样融合集成学习的研究生培养质量评估方法研究

针对研究生培养质量评估中存在的主观性强、数据类别不平衡问题,文章提出一种基于过采样与集成学习的研究生培养质量预测算法(K-means SMOTE Random＿Stacking,KSRS)。首先,通过K-means SMOTE算法调整数据集样本分布,使其各类别平衡;其次,基于平衡数据集采用Random＿Stacking算法构建研究生培养质量预测模型;最后,利用模型对研究生培养质量进行预测。根据真实的研究生培养数据验证所提模型的有效性。结果表明:对比其他分类算法,KSRS算法在指标召回率、F1值、精确率上均有较大提升,为研究生培养质量评估提供一种科学有效的方法参考。     

基于文本分析的标书综合评估模型

人工智能的发展为传统的标书评估方法的优化和改进提供了新的方法, 针对标书评估中人工评标效率低和难以有效识别围标、串标行为的问题, 本文提出了一种基于文本分析的标书综合评估模型, 包含文本评估模型和文本评级模型, 模型为更客观、科学、智能化地进行工程建设项目的评标和防范围标、串标提供支持. 首先, 构建文本评估模型, 在传统的评标指标中加入基于Shingling算法计算的投标文件的重复率, 并将投标文件要求的模板目录与真实目录进行匹配对比计算投标文件的响应程度, 利用层次分析法计算文本评估指标的权重. 然后, 构建文本评级模型, 基于权重改进的Simhash算法计算投标文件相似度, 采用企业关联度、资质与报价的一致性、价格上(下)浮率、企业关联度、异常行为等评级指标, 通过综合评级获得投标文件的评级结果, 协助评标专家识别围标、串标行为. 最后, 通过文本评估模型定量计算得到标书得分排序, 通过文本评级模型定性分析得到标书识别围标、串标的结果, 两者共同实现了对标书的综合评估.