排序方式: 共有29条查询结果,搜索用时 0 毫秒
1.
SSH作为一种加密通讯协议,不仅为远程登录等服务提供了安全保障,其隧道应用还可以封装一些其他未知应用,对网络安全产生了一定的潜在影响,因此需要准确识别出这些应用,并及时采取相应措施,维护网络安全.由于SSH协议的加密特性,通常采用基于流量统计特征的方法对其进行识别,且多是采用有监督的机器学习方法.通过对无监督机器学习方法与有监督机器学习方法的对比,比较了C4.5,SVM,BayesNet,K-means,EM这5种机器学习方法对SSH应用的分类效果,证实了通过机器学习方法来识别SSH应用是可行的.实验结果显示无监督的K-means方法具有最好的分类效果,对SSH隧道中的HTTP应用的识别准确率最高,达到了99%以上. 相似文献
2.
介绍了万兆以太网及其在宽带IP城域骨干网中的优势,同时从技术角度分析了其在宽带IP城域骨干网中应用的几个关键技术,包括物理层技术、帧格式、LAN与WAN的速率适配、10GE构建宽带IP城域骨干网时的网络拓扑结构、QoS和路由策略,以及与其他如DPT、RPR、POS等IP骨干网技术的性能比较.万兆以太网技术为电信级运营商在建设宽带IP城域骨干网时提供了新的选择. 相似文献
3.
2019年4月,住房和城乡建设部、生态环境部、发展改革委三部委联合印发了《城镇污水处理提质增效三年行动方案》,各地积极响应,陆续出台相关政策并实施诸多提质增效配套项目.作为重要本底数据,排水管网普查数据的质量直接关系到污水提质增效的实施效果.在大型排水管网普查项目内业检查过程中,面对庞大的数据量,如何实现快速、高效、准确地检查数据,是目前面对的一大难题.作为空间数据共享及转换的辅助工具,FME通过基于语义的转换能实现上百种数据的转换,同时兼具强大的数据检查功能,针对庞大的排水管网普查数据,通过内置的转换器搭建,建立内业数据检查工具,以实现大型排水管网普查数据库的高效检查. 相似文献
4.
5.
为了控制微网内各类分布式能源的协调运行,同时适应能源互联网的核心理念,提出了采用基于市场控制的微网分布式能量优化方法。首先,从理论上论证了该方法与集中式能量优化方法的等价性,并建立了分布式能量优化的通用流程。然后,基于启发式规则,系统地提出了分布式电源、可平移负荷、储能、联络线等资源的投标策略。最后,通过仿真计算,验证了该方法在削峰填谷、经济性以及提高可再生能源消纳率等方面的效果。所提出的方法利用各分布式能源的分布式决策代替传统的集中式优化,能够更好地保护用户隐私,并能够适应各种类型的分布式能源以标准化方式接入不同规模微网的要求。 相似文献
6.
混合液位(Mixture Level),又称两相液位(Two phase level)或液位膨胀(Level swell),是气体存在导致两相流体液面抬升的现象。反应堆堆芯中的混合液位是决定堆芯是否裸露的重要因素,其他如蒸汽发生器或抑压水池等部件的混合液位也对安全性有重要影响。物理过程中,混合液位主要由空泡份额及两相流型所决定,相对于坍塌液位(Collapsed level),混合液位的实验测量及数值模拟更为复杂。混合液位的计算对反应堆热工水力瞬态模拟有比较重要的影响,因此在多数系统分析程序中设有混合液位追踪模型。本文对主流热工水力程序中的混合液位追踪模型及其验证评估进行了总结,并结合实验数据使用部分热工水力程序进行了模拟和验证,该研究可对自主化分析程序中相关模型的开发提供一定的借鉴和参考。 相似文献
7.
8.
开发了一种新型接枝改性腈纶,在提高其吸湿性的同时保留腈纶优异的力学性能,且采用的改性方法绿色环保。具体的改性方法为:以半胱氨酸作为偶联剂,通过共价键的形式将水解后的腈纶与酪蛋白大分子偶联接枝改性。测试了改性前后腈纶的微观形貌、接枝率、回潮率、红外光谱、元素含量及力学性能的变化。结果表明,接枝改性后的腈纶在微观形貌上变化明显,直径增加了26.1%,并有明显的蛋白质膜层存在。改性后,腈纶回潮率提升3倍以上。改性前后腈纶的红外光谱与元素变化表明该方法成功地对腈纶进行表面接枝改性。在力学性能方面,改性后的腈纶不仅弥补了水解过程带来的纤维机械性能的下降,且与改性前的水解腈纶相比,断裂强力与断裂伸长率分别提高了13.53%与21.33%。 相似文献
9.
利用fMRI数据准确地估计血液动力学状态, 能得到一种更接近神经元层面的大脑活动的客观表示, 这将促进人们对大脑运行机理的深刻理解, 推动脑认知的进一步发展.迄今为止, 人们已经提出了许多血液动力学状态估计方法.然而, 这些方法大都只考虑了相邻时刻血液动力学状态之间的关系, 忽视了更深层次的时序特征.而对模型参数先验信息的需求也使一些方法在实际应用中受到了限制.为此, 本文提出了一种基于循环神经网络的血液动力学状态估计新方法.首先, 利用血液动力学模型中非线性函数的反函数建立BOLD信号与血液动力学状态之间的映射关系, 并构建模型的反演过程.然后, 采用一种堆叠三个RNN模块的栈式神经网络结构来拟合这种映射关系, 使其能够以BOLD信号作为输入, 得到血液动力学状态的估计值.最后, 在仿真数据上验证新方法的性能.实验结果表明:与一些代表算法相比, 新方法能够更合理地提取fMRI数据中的时间特性, 有效地拟合BOLD信号与血液动力学状态之间的动态非线性关系. 相似文献
10.
基于极限学习机的文本分类方法在对输入的文本特征进行随机映射时,会呈现一种非线性的几何结构,利用最小二乘法无法对其进行求解,影响文本的分类性能。为此,引入一种新的流形正则化思想,提出基于极限学习机的改进算法。利用拉普拉斯特征映射保持输入文本特征的几何结构。基于样本的类别信息对样本点之间的距离进行修正,优先选择类别相同的样本点,以改善分类性能。在Reuters和20newsgroup数据集上的实验结果表明,与正则化极限学习机算法、AdaBELM算法等相比,该算法分类性能较好,F1-measure值可达91.42%。 相似文献