基于SEIS模型的计算机病毒防控分析

为控制计算机病毒在网络上的传播,考虑了刚联网的计算机可能携带潜伏状态的病毒及爆发状态的病毒可能转变成潜伏状态的病毒,提出一个计算机病毒传播模型.通过动力学分析得到,该模型在一定条件下存在一个有毒平衡点,且全局渐近稳定,随后的两个数值范例也验证了这一结论.讨论了清除网络病毒的问题,通过调整模型和深入分析可知,关键是防止携带潜伏状态病毒的计算机联网.综合分析与数值范例均表明:在一定条件下,只要能够防止外部病毒输入,网络上的病毒就能被清除.最后给出了控制计算机病毒在网络上传播的一些具体建议.

带有深度邻域信息的模糊C均值聚类算法

针对聚类算法用于图像分割时造成的过度分割问题,提出一种带有深度邻域信息的模糊C均值聚类算法(FCM_DN).在传统的带有邻域信息的模糊C均值聚类算法基础上,引入类似高斯滤波的权重来表示像素点的位置差异,同时还引入中心点像素值与邻域点像素值之间的差异.相比于只考虑带有像素点之间位置差异的模糊C均值聚类算法,所提出的算法在聚类时可以使用更大的邻域,从而解决过度分割的问题.结果表明:在人造数据集上,本算法对于椒盐噪声和高斯噪声都有较强的鲁棒性;在现实数据上,本算法相比于11个先进算法在四个指标上有两个指标的表现都位于前三;在SED数据集的归一化互信息(NMI)结果对比中,本算法比其他算法高出1.78%~26.90%.