计算机科学与技术的现代化应用探究

计算机科学与技术的发展无疑为我国的现代化建设提供了强大助力,使得人们的生活、工作等方方面面均发生了翻天覆地的变化。计算机科学与技术在诸多领域得到了普及运用,如教育、医疗、餐饮、金融以及众多的企事业单位等,应用范围较大。本文通过具体论述计算机科学与技术的现代化应用必要性,并根据实际情况提出计算机科学与技术的现代化应用策略,旨在为提升计算机科学与现代化的应用水平提供可参考的资料。

基于LightGBM的网络入侵检测研究

针对传统的常用机器学习算法在网络入侵检测中存在准确率不够高、训练速度慢的缺点,提出基于特征选择、LightGBM的网络入侵检测系统。使用PCA进行特征选择,采用QPSO为LightGBM算法选择最优参数,在Spark集群上运行,缩短了训练时间。此外,由于使用了基于PCA的特征选择方法,仅使用了41个特征中的9个(21.95%),达到优于使用全部特征训练模型的性能。在NSL-KDD数据集上测试了提出的系统的性能,其能准确、快速地对入侵行为样本进行识别。

基于集成学习投票算法的Android恶意应用检测

针对Android平台恶意应用的检测技术,提出一种基于集成学习投票算法的Android恶意程序检测方法MASV(Soft-Voting Algorithm),以有效地对未知应用程序进行分类。从已知开源的数据集中获取了实验的基础数据,使用的应用程序集包含213256个良性应用程序以及18363个恶意应用程序。使用SVM-RFE特征选择算法对特征进行降维。使用多个分类器的集合,即SVM(Support Vector Machine)、K-NN(K-Nearest Neighbor)、NB(Naïve Bayes)、CART(Classification and Regression Tree)和RF(Random Forest),以检测恶意应用程序和良性应用程序。使用梯度上升算法确定集成学习软投票的基分类器权重参数。实验结果表明,该方法在恶意应用程序检测中达到了99.27%的准确率。

基于近邻成分分析的WebShell特征处理算法研究

为解决WebShell样本在文本向量化处理中出现的“维度灾难”和检测效果差的问题,提出了基于近邻成分分析(Neighborhood Component Analysis,NCA)的WebShell特征处理算法。算法通过NCA自动化学习投影矩阵,在保留全局信息的同时完成高维特征空间的约减,为避免过于依赖总体训练样本,采用ReliefF特征选择方法从局部信息的角度进一步优化特征处理,提高WebShell模型检测性能。实验表明,基于近邻成分分析的WebShell特征处理方法能有效检测WebShell,并在准确率、召回率上优于大多数传统特征处理算法的WebShell检测模型。

齐心协力排险情 一心一意保供电——甘泉县供电分公司抢险供电工作小记

今年7月,极端天气导致了甘泉县大面积的山体垮塌、山洪、泥石流等地质灾害,先后造成公司多处电力设施受损,其中35KV线路铁塔基础受到不同程序的冲刷,35KV变电站房屋、排洪渠、护坡、道路、围墙、设备区基础等土建设施受损;10KV线路及0.4KV以下配电设施遭受大范围不同程度的损毁。共造成1 5条10KV线路、6个乡镇、47个行政村、62个台区、2819户用电户停电,累计经济损失约660.44万元。

农村供电所管理中如何有效降低线损

线损能够直接反映出电力企业的生产水平和经营管理水平，并且在很大程度上影响着供电企业的经济效益。伴随着农村电网的改革，农村的供电水平得到了大幅度的提高，但是一直以来的线损问题却没有得到充分的解决，线损程度仍然很大。本文将通过分析农村供电管理的现状，进而提出降低线损的有效对策。

基于网格运动统计的自适应图像特征匹配算法

针对网格运动统计(GMS)算法性能依赖特征点数量且当特征点检测较少时存在误匹配集中的问题,结合一致性约束思想,提出了一种基于网格运动统计的自适应特征匹配算法.首先对待检测图像引入网格划分,依次对每个网格区域设置自适应阈值并进行特征点检测;然后使用旋转特性的二进制描述(rBRIEF)算法对特征点描述并基于汉明距离完成特征点匹配;最后采用GMS算法做初次误匹配点剔除,利用随机抽样一致算法筛选出精确匹配点.实验结果表明:该算法能有效剔除误匹配点,提升匹配质量且实时性高,对于低纹理结构的图像匹配也具有很好的鲁棒性.