基于Levenberg-Marquardt算法的用户击键特征鉴别

Levenberg Marquardt算法是神经网络、高斯 牛顿法与梯度下降法的结合 ,既有神经网络的自学习特性 ,也有高斯 牛顿法的快速收敛特性 ,还有梯度下降法的全局搜索特性。文中将Levenberg Marquardt算法应用于对用户输入口令时敲击键盘的时间特征进行分析鉴别 ,从而进行用户附加身份认证。研究表明 ,LM算法显示出速度快、识别准确率高的优越性能。

操作系统课程双语教学实践与探讨

在操作系统课程开展双语教学对计算机专业的学生有重要意义。文章总结了现有操作系统课程开展双语教学存在的问题,介绍了操作系统课程的双语教学实践和全英文教学实践,并提出了操作系统课程内开展双语教学的建议。

《数据结构与算法》课程双语教学研究与实践

双语教学在全世界的高等教育中方兴未艾,本文对双语教学进行了初步的调研,并且在《数据结构与算法》课程中进行了相关的教学实践。本文对双语教学的背景、国内外现状进行了综述,总结了以学生为中心的教学实施方法。在相关的教学实践中进行了问卷调查,调查显示双语教学既有挑战,也有收获,是非常值得尝试的教学类型。

基于对等网络的即时安全通信系统设计与实现

文中讨论了一个新的安全有效的会议密钥分配协议,该协议适合多个用户通过临时组建的对等网络实现即时安全通信。相对于GDH.2而言,此方案对通信参与者的身份以及传输数据的完整性进行了验证,而且对最后产生的会议密钥进行了确认,以增加很小的计算和通信负荷为代价,安全性能得到了较大的提高。最后,通过一套即时安全通信系统的设计和实现方法证明其可行性。

基于MapReduce的隐私保护的关联规则挖掘算法的研究

主要针对关联规则中的Apriori算法在执行过程中产生大量候选集和重复扫描数据库会使串行算法的时间复杂度高和执行率低的缺点,提出了一种基于MapReduce的并行关联规则挖掘算法,对传统的关联规则算法进行并行优化。在Hadoop平台上进行了单机测试和集群测试。分析得出基于MapReduce的关联规则算法克服了串行算法产生大量候选集和重复扫描数据库的两大缺点,从而提高了执行效率。此外,针对目前数据隐私泄露的严重现象,在进行并行优化的数据挖掘之前,使用加随机数的方法来保护数据的隐私,并验证了保护数据在关联规则挖掘中保留了高可用性。