一种改进TPOT的工控入侵检测方法

自动构建工控系统入侵检测机器学习模型的过程中,针对基于树的管道优化工具(Tree-based Pipeline Optimization Tool)TPOT需要消耗大量时间和计算成本的问题,提出了一种分布式D-TPOT改进方法.该方法通过引入分块算法和动态任务调度能够使TPOT并行化构建工控入侵检测模型,以减少构建模型的时间.通过改变保留管道数和管道迭代次数的模型构建过程,在测试集中增加了15种训练集中未出现的攻击方式进行模型评估.实验表明,与TPOT相比,分布式D-TPOT在不降低构建入侵检测模型指标质量的情况下,D-TPOT构建的最佳模型在多项评估指标中,准确率为:92.89%、精确率为:94.66%、F3-Score为:92.45%,同时能够节省50%的模型构建时间.

基于TPOT的信用卡逾期识别算法

文章提出了一种基于自动机器学习(Automatic Machine Learning)框架TPOT的信用卡逾期识别算法。通过K-近邻、决策树、支持向量机、随机森林、多层感知神经网络、TPOT自动机器学习这6种算法构建了信用卡逾期识别模型,进而以准确率、精确率、召回率、混淆矩阵、F1值为基准进行不同模型的性能评价。经反复的实例论证和理论测算,该框架相较于传统机器学习,平均准确率达到80%以上,能够在节省参数调节时间的基础之上,获得更佳的效果。

上皮生长因子对鼠肺细胞动力学的调节及其对放射保护的意义(Ⅰ)

背景与目的:上皮生长因子(keratinocyte growth factor,KGF)引起肺Ⅱ型细胞增殖,并保护肺免受外界多种刺激。以往,对慢反应正常肺组织的动力学参数难以测定,然而,近年来发展的技术使得准确测定正常组织细胞动力学指标成为可 能。BrdUrd掺入DNA后,用流式细胞仪分析可测定组织中细胞的增殖状况,本研究的目的是采用上皮生长因子刺激后,探讨鼠肺正常组织细胞增殖动力学改变的情况。方法:采用KGF(5 mg/kg)或生理盐水C_3Hf/Kam小鼠气管内注射,并分别在0,1,2,3,4,5,及7天予以处死,处死前20分钟或6小时,腹腔内给予BrdUrd(60 mg/kg),肺组织切下后,固定于60％酒精,经消化处理形成单个细胞核,在流式细胞仪分析前行BrdUrd及总DNA含量标记染色,计算出标记指数(LI),细胞S期时间(Ts)及倍增时间(T_(pot))等细胞动力学参数;免疫荧光染色技术用于鉴定增殖细胞的类型。结果:(1)建立了上皮生长因子(5 mg/kg)刺激肺Ⅱ型细胞增殖的方法及气管内给药的途径;(2)肺组织LI由正常值0.5％升至给药后第三天的5.5％,第七天回至正常;(3)细胞T_(pot)由75.5天降至4.7天;生理盐水治疗组增殖参数没有变化。结论:上皮生长因子可引起肺Ⅱ型细胞的增殖,主要表现为LI的升高及T_(pot)降低。这种增殖效应短暂,第七天回至正常。

教学金字塔模型及教学金字塔观察工具简介

教学金字塔模型是对幼儿园教师社会情绪教育能力的理论建构，基于教学金字塔模型理论编制的教学金字塔观察工具则是评估幼儿因教师社会情绪教育能力的标准化工具，该工具具有较高的信效度。教学金字塔模型及教学金字塔观察工具的研究可以作为我们宝贵的借鉴。