基于增量学习算法的校园网垃圾邮件检测模型

针对大量垃圾邮件对用户带来困扰的问题,提出了一种增量被动攻击学习算法。该方法基于半年时间的对本校校园网内邮件宿主机上所发起的简单邮件传输协议(SMTP)会话日志的采集,针对会话中记录的投递率状态及多种类型的失败消息进行了宿主机行为分析,最终达到有效地适应被检测垃圾邮件源宿主机对最近邮件分类行为的目的。实验结果表明,在执行了若干回合分类策略的调整后,该检测的准确度可以达到94.7%。该设计可以有效地检测内部垃圾邮件宿主机行为,继而从根源上抑制了垃圾邮件的产生。

基于任务迁移和需求控制的云计算成组调度性能及代价评估

对成组调度技术在云计算中的应用效果展开了研究,该效果体现在其性能和耗费代价的综合指标上。文章对该模式的研究是通过虚拟化以分析基于任务迁移和需求控制的成组调度性能和综合代价为手段,以基于Amazon弹性云计算架构(EC2)为实验背景进行效率评估实验以获取支撑数据。结果显示,该调度策略可以有效地部署于云环境,并且该云平台可以被真实的高性能计算环境或其它高性能领域所应用,具有较高的性能代价比。

生物技术与产品网上交易平台的建设与发展

分析了通过网络技术促进生物技术产业化的意义 ,提出了电子商务应用于生物技术产业的模式 。

基于分层队列历史性能建模的云系统资源管理

为评定企业级云系统在负载下的响应处理能力,需要对其有直接影响的资源管理能力进行评估和预测。而这种评估的有效性在对紧急资源请求、动态负载变化、消费者并行调节等协同需求因素综合考虑的情况下将显得更加有效。然而,目前尚没有对这些因素进行比较系统的研究报告。针对上述需求,以分层队列和历史建模技术为模型及实验基础,以大量数据实例为背景进行了分析。实验结果显示,以分层队列模型及历史性能建模为指导的新架构可以达到70%的预测准确度。以此为基础,给出了一个基于预测模型的云负载和资源管理算法。

电子校务平台的研制、实践与思考

东一舟老师主要向大家介绍了南京师范大学电子校务建设的实践与经验。多年来，学校领导一直非常重视信息化建设，学校从2000年开始电子校务子系统建设，经过近十年的努力。现已完成电子校务平台一期建设任务，实现了信息集成、统一身份认证、信息集中展示等功能，解决了“信息孤岛”、系统人口繁杂、信息展示杂乱等问题，提升了学校信息化应用水平和管理效率，在学校的日常工作中发挥了重要作用，

数字化资源库的出入库策略研究

数字化资源库是开放和动态的平衡系统。它需要不断从外界纳入新的资源,并对库内资源进行评价,撤出不符合要求的资源。资源库如何纳入和撤出资源,就是出入库策略研究的基本内容。只有合理的设置出入库策略才能使数字化资源库保持高效和稳定。通过分析资源库的结构,本文对数字化资源库的出入库策略做了研究,得出了一般性的出入库过程管理模型。

南京师范大学:降低资源整合技术门槛新法

南京师范大学的各类开放资源一直处于松散的管理及使用状态，大量的资源数据未能得到很好的整合，资源小能被师生很好地分享使用。在数字化校园建设的不断推动下，探讨一种能适应学校环境的资源数据整合平台模式，使资源平台满足技术门槛低、便于维护、开放性强、能够应对不断增长的资源整合需求。

非控场景下主成分稀疏表示与低秩分解的人脸识别

针对非受控场景下人脸识别率低的问题,提出一种非控场景下基于主成分稀疏表示与低秩分解的人脸识别算法。首先通过核心基础信息平台收集的数据自构建基础人脸库,然后采集课堂照片并对采样照片通过主成分稀疏表示和低秩分解算法进行分割,最后以基础人脸库为样本进行匹配识别,并将未进行低秩分解的情况与低秩分解后的结果进行比较。实验结果表明,在非受控场景下通过主成分稀疏表示叠加低秩分解的识别效果对光照变化影响的鲁棒性较强,对遮挡情况受到的影响相对明显,总体识别正确率最高达到92.4%,达到较好非控场景下人脸识别效果。该算法对开放型非受控场景下的人脸识别及由此衍生出的表情识别、行为识别等研究都有积极助益。

基于残差整流增强卷积神经网络的表情识别

针对受控场景下人脸表情识别率低的问题,提出了一种受控场景下基于残差整流增强卷积神经网络的表情识别算法。该方法以卷积神经网络为原型,在训练模型的过程中,引入残差网络的思想,修正测试集效果与训练集效果之间的差。通过内嵌于卷积层中的激励函数对残差块的线性整流操作,协助表达复杂特征。同时,通过数据增强方法抑制深度神经网络模型在训练过程中过快的拟合,提升其在给定识别任务上的泛化性能,进而提高模型学习效果的鲁棒性。实验中通过将该方法运用于模拟在线授课环境中,最终达到受控场景下有效人脸表情识别的效果。实验结果表明,该方法可以有效对受控情况下的人脸图像输入进行表情分类,最高准确率达到了91.7%。该研究对人脸表情识别领域及人机交互领域的发展具有积极意义。

基于分类邮件代理MCP的垃圾邮件动态检测

针对互联网邮件中垃圾邮件占比暴增的问题,提出了一种基于分类代理MCP的动态检测算法.该方法基于近半年时间对校园网邮件宿主机及各代理虚拟机间传输的会话日志的采集,针对记录中各类投递状态及状态消息集进行了行为分析,最终达到对垃圾邮件的有效检测,从而为分拣提供依据.实验结果表明,在持续进行了若干频次的分类策略调节后,该检测算法的准确度可高达96.1%.该设计可对垃圾邮件宿主机及代理虚拟机的行为进行有效检测,从而彻底抑制垃圾邮件的产生.