基于机器学习的恶意网站分类研究

随着社会信息化的发展,各类网站不断增多,为人们提供信息获取、购物和日常生活所需的便利。然而,随之而来的是恶意网络攻击的不断增加。目前,基于Web的攻击已成为网络安全主要威胁之一,恶意网站识别问题迫在眉睫。该研究以机器学习为基础,结合文献综述与模式识别,选择适用于需求场景的机器学习模型。采用支持向量机、logistic回归、随机森林、决策树、KNN等多种有监督学习算法,构建恶意网站检测模型并在数据集上进行训练,对恶意网站分类问题进行研究与探讨。

B10合金管材焊接裂纹原因分析

通过化学成分分析、力学性能复验、金相组织分析、能谱分析、断口扫描等方法对B10合金管材焊接裂纹进行了分析。结果表明,焊接裂纹为管材局部杂质元素(氧)含量超标,在热循环条件下,焊接热影响区粗大晶粒晶界上的低熔点共晶体重新熔化并聚集,降低了合金的高温强度和塑性,在焊接应力的作用下产生的。严格控制原材料和焊接过程中氧、硫、磷、铅、铋等杂质元素的含量,可有效降低因低熔点共晶体热偏析引起的焊接热裂纹。

甲状腺球蛋白及抗体在结节性甲状腺肿和甲状腺癌的鉴别诊断价值

目的回顾性分析患者术前甲状腺球蛋白（TG）及甲状腺球蛋白抗体（TGAb）的水平，探讨其在结节性甲状腺肿和甲状腺癌的鉴别诊断意义。方法选取2006年1月至2007年1月承德市中心医院普外科180例分化型甲状腺癌（differentiated thyroid carcinoma，DTC）为A组，150例结节性甲状腺肿为B组，健康人120例为对照组（C组）。所有入选对象均行甲状腺超声、甲状腺功能及甲状腺CT检查。结果A组TG和TGAb分别为40．0％和43．3％显著高于B组7．33％和9．33％及C组4．17％和7．50％，A组与B、C组之间差异有统计学意义（P〈0．05），但B组与C组差异无统计学意义（P〉0．05）。结论TG及TGAb测定在结节性甲状腺肿和甲状腺癌的鉴别诊断上有临床意义。