一种基于条件梯度的加速分布式在线学习算法

由于容易实施,基于投影梯度的分布式在线优化模型逐渐成为一种主流的在线学习方法.然而,在处理大数据应用时,投影步骤成为该方法的计算瓶颈.近年来,研究者提出了面向凸代价函数的分布式在线条件梯度算法,其悔界为O(T^(3/4)),其中T是一个时间范围.该算法存在两方面的问题,一是其悔界劣于公认的悔界O(/T);二是没有分析非凸代价函数的收敛性能,而实际应用中代价函数大部分是非凸函数.因此,提出一种基于条件梯度的加速分布式在线学习算法,使用Frank-Wolfe步骤替代投影步骤,避免昂贵的投影计算.文中证明当局部代价函数为凸函数时,所提算法达到公认的悔界O(/T);当局部代价函数为潜在非凸函数时,所提算法以速率O(/T)收敛到平稳点.最后,仿真实验验证了所提算法的性能与理论证明的结论.

基于PCA和ICA模式融合的非高斯特征检测识别

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

基于犹豫模糊最优最劣法的顾客需求权重确定

针对传统顾客需求权重确定过程中存在的主观性和模糊性等问题,提出一种基于有向网络并从犹豫模糊偏好关系中导出准则权重的犹豫模糊最优最劣法(Hesitant Fuzzy Best Worst Method,HFBWM)。为了有效处理不确定与模糊的顾客需求信息,降低采用效用函数评价需求有效性的困难,更多地考虑顾客需求偏好,将顾客需求项成对比较得到犹豫模糊偏好关系。修正其一致性后,构造以顾客需求项为节点、偏好关系得分函数为边的有向网络图,基于有向网络识别最优最差节点,在此基础上建立最优最劣法(Best Worst Method,BWM)数学模型,导出所有顾客需求权重。通过某公司密封件案例验证该方法的合理性与有效性。

计算机专业应用型人才培养模式研究与实践

针对地方高校计算机专业培养的学生不能满足企业对计算机人才需求的现状,以应用型人才培养为出发点,提出一种应用型人才培养模式,其中,专业模块化培养和工程实践训练是该培养模式的核心。经实践验证,通过该模式培养的学生能够满足企业对计算机专业人才的需求。

基于改进颜色直方图和灰度共生矩阵的图像检索

针对传统颜色直方图提取的颜色特征维数高、传统灰度共生矩阵忽视纹理方向等问题,提出一种融合改进的颜色直方图和灰度共生矩阵算法的新图像检索算法。利用K-means聚类对检测图像进行颜色聚类以降低图像颜色数;在HSV空间进行矢量化编码,统计图像码字形成颜色直方图以提取颜色特征;利用灰度共生矩阵提取检测图像的4个特征值,利用方向测度引入权值因子,将其与4个特征值融合,对融合后的各分量进行高斯归一化后形成纹理特征向量;最后,采用加权平均融合颜色和纹理的特征距离。与其他两种算法相比,仿真实验表明本算法对一般图像和有纹理倾向的图像有较高的查全率和查准率。

基于粒子群优化的入侵特征选择算法

针对高维数入侵检测数据集中信息冗余导致入侵检测算法处理速度慢的问题,提出了一种基于粒子群优化的入侵特征选择算法,通过分析网络入侵数据特征之间的相关性,可使粒子群优化算法在所有特征空间中优化搜索,自主选择有效特征子集,降低数据维度。实验结果表明该算法能够有效去除冗余特征,减少特征选择时间,在保证检测准确率的前提下,有效地提高了系统的检测速度。

基于动态贝叶斯网络的入侵意图识别方法

在构建高层次攻击场景和处理复杂攻击时,入侵检测技术难以有效察觉入侵者的意图、识别攻击间的语义以及预测下一步攻击。为此,针对网络复杂攻击过程中的不确定性,提出一种基于动态贝叶斯网络的入侵意图识别方法,采用动态贝叶斯有向无环图实时表述攻击行为、意图与攻击目标之间的关联,应用概率推理方法预测入侵者的下一步攻击。实验结果反映入侵者的意图在入侵过程中的变化规律,验证该方法的有效性。

基于多元频域变换与几何校正的彩色图像水印算法

提出了多元频域变换与几何校正机制的彩色图像水印算法。对重力模型进行改进,实现水印信息的加密,利用四元变换处理处理载体图像的最大中心区域,获取其相位与幅度信息;设计水印嵌入机制,将水印信息植入到四元变换的幅度中,借助逆变换,输出水印图像;引入四元小波变换处理水印图像的训练样本,获取其四元小波变换系数训练支持向量机,完成水印图像实现准确的几何校正;利用四元变换,建立水印提取机制,复原水印图像。测试数据表明：与当前图像水印方案相比,所提算法能够准确校正几何失真图像,具备更高的鲁棒性与抗盲检测能力。

基于自律计算的入侵容忍模型

针对当前入侵容忍系统缺乏自适应能力的问题,借鉴自律计算的思想,提出了一个自律容侵模型。利用自律反馈机制对网络连接的可信度进行实时分析,生成初始信度,并通过信度阈值的自主学习与调整实施动态信度优化,完成对可疑信息和可信信息的服务分流,实现对可疑连接的自律容忍。仿真结果表明,具有自律反馈机制的入侵容忍模型可以有效增强系统的自适应能力。

基于网络连接分析的DDoS攻击检测模型

分布式拒绝服务(DistributedDenialofService,DDoS)攻击是当前网络安全的主要威胁之一。通过对网络连接特征的分析,提出了一种DDoS攻击检测模型。该模型利用DDoS早期攻击阶段的固有特性,从网络连接数据的统计分析中探寻系统正常行为的分布规律并确定DDoS攻击检测阈值。最后,通过模拟攻击实验验证了检测模型的有效性。实验结果表明,该模型能快速有效地实现对早期DDoS攻击的检测,并对其他网络安全检测研究具有一定的指导意义。

基于网络连接统计的分布式拒绝服务攻击检测

分析了分布式拒绝服务(D istributed D en ial of Serv ice,DDoS)攻击原理及其攻击特征,提出了一种基于网络连接统计的DDoS攻击检测方法。该方法利用DDoS攻击的固有特性,从网络连接数据的统计分析中探寻系统正常行为的特征分布,建立DDoS攻击检测模型。通过模拟攻击实验验证了检测方法的可行性。实验结果表明:该方法能快速有效地实现对DDoS攻击的检测,并对其他网络安全检测研究具有一定的指导意义。

入侵检测研究综述

入侵检测是动态安全技术中最核心的技术之一。从体系结构的演变、检测方法分析和系统测评工作三个方面对当前入侵检测的研究进行技术性综述,讨论了现有的入侵检测体系结构,详细分析了各种入侵检测方法,对现有的入侵检测评估工作进行了总结,指出了当前入侵检测研究中存在的问题和今后发展的趋势。

一种改进的基于因果关联的攻击场景重构方法

使用因果关联方法构建攻击场景时,漏报警易引发关联图的分裂.针对此问题,提出了一种改进的基于因果关联的攻击场景重构方法.该方法根据报警相关度确定可组合的关联图,利用网络弱点和攻击关系推出漏报警,使得分裂的关联图能够组合起来,进而重建完整的攻击场景.实验结果表明了该方法的有效性.

HTML5—下一代Web开发标准的核心技术探讨

通过实例介绍了HTML5的新特性和技术,分析HTML5与现有主流技术的关系,并指出HTML5技术的局限性及发展前景,以给用户提供丰富、便捷的Web应用平台.

自律入侵容忍系统的可生存性评估

现有网络系统的评估方法不能很好地满足自律入侵容忍系统可生存性的评估要求。为此,提出一种针对自律入侵容忍系统的可生存性评估方法。根据入侵对系统造成的影响及自律入侵容忍的功能,构建数据机密度、数据完整度、服务可用度和系统自律度4项可生存性评估指标。给出各项指标的量化方法,通过对4项指标的定量计算,动态评估自律入侵容忍系统的可生存性。

基于自律反馈机制的入侵容忍模型

针对当前入侵容忍系统需要过多人工干预和缺乏自适应性的问题,提出了一个基于自律计算的容侵系统模型.该模型借鉴自律计算的思想并引入反馈机制对网络连接的可信度进行实时分析,生成初始信度,并通过信度阈值的自主学习与调整实施动态的信度优化,实现对可疑连接的自律容忍.

基于内容的网络异常信息过滤

通过对信息过滤一般过程的分析,提出了一种基于内容的网络异常信息过滤方法。在源信息采集方面,建立了网络信息捕获构架,基于协议分析实现网络数据的提取;在信息内容处理方面,采用设立切分标志进行文本信息的预处理,在此基础上,基于向量空间模型实现文档的结构化表示;在信息匹配算法方面,通过计算文档向量之间的相似度,实现网络信息的有效过滤。

军民融合式油料装备技术保障体系构建

军民融合式油料装备技术保障,是油料装备技术保障可持续发展的必由之路。本文从统一思想、搞好顶层设计,整合军地资源、实现优势互补,科学组织管理、完善运行机制,健全军民融合装备保障政策法规等方面探讨了军民融合式油料装备技术保障体系构建的方法步骤,为油料装备技术保障可持续发展奠定了理论基础。

基于自律计算的系统可信性自调节模型

保障和增强系统的可靠性、安全性和稳定性等可信性质是对系统服务的高级要求。提出了一个基于自律计算理念的系统可信性自调节模型,该模型动态分析目标系统的可信度变化趋势,参考先验可信度变化曲线的梯度升降,依序实现可信度在线评估、可信度动态预测和自调节方案选择,完成系统可信度非降的自主调节过程,采用信赖域梯度计算策略解决自调节的最优化问题。

可信网络连接中的可信度仿真评估

可信网络连接(TNC)是对可信平台应用的扩展,也是可信计算机制与网络接入控制机制的结合。针对当前TNC研究中缺乏对网络连接进行定量评估的问题,提出了一种网络连接可信度仿真评估方法。该方法根据网络连接属性与评估值之间存在的非线性映射关系,利用BP网络模型及LM优化算法对网络连接可信度进行评估。仿真结果表明该方法具有较好的预测评估准确率。