基于漏洞严重程度分类的漏洞预测模型

软件漏洞预测模型有许多种,能预测软件中存在的漏洞总数以及发生的时间间隔,但不能预测软件漏洞的严重程度.然而在某些场合,如软件可信性,我们不仅要考虑软件漏洞发生的总数和时间间隔,而且也要考虑漏洞发生的严重程度对软件可信性的影响.既是在传统的软件安全性研究中,考虑漏洞发生的严重程度的影响,对软件的使用和风险控制也是很重要的.本文基于传统的马尔可夫模型,将软件漏洞按发生的严重程度进行分类,获得了一种新的软件漏洞预测数学模型.利用该模型不仅能够预测软件中存在的漏洞总数和时间间隔,而且同时也能预测每一类的漏洞总数和漏洞种类,试验表明有较好的准确度,这是其它漏洞预测模型所无法预测的.

稳健二进神经网络及其基本性质研究

从二进前向网络的稳健要求出发 ,提出了稳健分类的概念 ,在此基础上给出了稳健分类超平面的一般形式 ,从而如果二进前向网络的每一神经元都是稳健神经元 ,则网络的连接权仅为 - 1 ,0或 + 1 ,每一神经元的阈值也只为二分之一的基阈值加上一处于有限区域上整数的辅阈值 ,并且辅阈值为神经元各个输入对其的贡献之和 .稳健二进前向网络的这些性质使得网络不仅稳健能力强 ,而且易于做到隐节点数少、连接少。

Lenke分型在青少年特发性脊柱侧凸的应用

[目的]检测Lenke分型中各种脊柱侧凸类型的发病率,检测Lenke分型方法与手术融合节段的关系。[方法]回顾性分析在本院接受手术治疗的青少年特发性脊柱侧凸患者154例临床及影像学资料,按Lenke方法对侧凸进行分型,统计各种侧凸类型的发病率,检测Lenke分型方法与手术融合节段的关系。[结果]154例脊柱侧凸的病例均采用Lenke分型方法进行归类,最常见的5种类型是1AN,5CN,1BN,2AN,1CN,有11种类型在本组中未出现。Lenke分型方法定义为结构性的侧凸中95.5%进行了固定融合。[结论]Lenke的青少年特发性脊柱侧凸分型较过去的分型更为全面,对手术指征的评估、手术方法的选择有重要的指导意义,其结构性侧凸的诊断标准是实用的。

基于区分权的水质综合评价方法

论证"隶属度"作为相似性度量是水质评价的最佳选择,定义指标区分权重,规范隶属函数的拓扑空间结构、代数性质和标准化方法,建立基于区分权的水质评价模型。

基于小生境技术的人脸分类算法

提出了一种基于小生境技术的人脸分类算法,通过基于小生境技术的算法实现人脸图像的自动分类识别。实验数据分析表明,该方法能对人脸进行有效分类。

基于情感词典和集成学习的情感极性分类方法

当前情感极性分析时使用机器学习方法进行褒贬分析需要完备的语料库,但对特定领域的语料库构建困难,而只使用情感词典的分类方法准确率低。针对以上缺点提出了一种改进的机器学习方法和情感词典结合的集成学习情感极性分类方法。首先,使用Word2Vec特征提取方法将每条评论表示成固定维度向量,使用常见的机器学习分类方法进行分类,找出效果最好的分类方法;然后使用基于情感词典的朴素贝叶斯分类方法进行情感极性分类。最后将基于情感词典和集成学习的方法相结合,使用谭松波公开的数据集酒店评论数据进行实验。理论分析和实验表明,使用Word2Vec作为特征提取方法的支持向量机(SVM)分类方法结合基于情感词典的朴素贝叶斯分类方法的集成学习方法可以将积极类的准确率和宏平均分别提高6. 9个百分点和3个百分点,将消极类的召回率和宏平均分别提高8. 8个百分点和5. 1个百分点,有效提升了情感极性分类效果。

MUSIC算法与空间平滑类算法对相干信源DOA估计比较

目前波达方向(DOA)估计有几种典型的方法,其中包括传统的MUSIC算法,空间平滑类算法中的前向空间平滑算法、后向空间平滑算法以及前后向空间平滑算法,对这几种算法在相干信号源情况下进行分析及仿真比较,仿真结果表明在信号源相干时空间平滑类算法的性能优于MUSIC算法。

射频仿真系统与数学仿真系统的集成架构

在对现有射频仿真系统和数学仿真系统研究的基础上,探讨了射频仿真与数学仿真集成面对的主要问题,分析了集成仿真系统模块之间的数据耦合关系,并在此基础上构建了一个基于仿真模块分层的集成仿真架构。利用此架构对射频仿真和数学仿真系统进行了集成研究,详细介绍了集成架构中的模块分层方式和分层原则、集成架构中的时间管理方式和接口数据转发原理。

基于改进的深度残差网络的图像识别

随着大数据时代的发展,深度学习也渐渐变得更加实用,引领人工智能时代的发展.卷积神经网络在图像领域中发挥着非常重要的作用,是深度学习模型中重要组成部分之一.图像识别的关键攻破点在于如何提取图像的有效特征,从而有效地解决图像识别问题.针对这一难点,本文主要在残差网络(ResNet)的基础上引入空间变换网络.空间变换网络可以有效地提取目标区域特征,提高图像识别效率.同时由于Softmax分类器提取的特征区分并不明显,甚至存在类内间距大于类间间距弊端.但在图像识别任务中期望特征不仅可分,而且要求类间分别提取的特征区分差异大.针对这一问题,本文在软最大值(Softmax)分类器中引入中心损失函数(Center Loss).Center Loss损失函数能够使得提取的特征类间距离大,类内距离小,从而提高提取的特征识别度.在公开的CIFAR10数据集上,该模型取得了不错的性能,识别准确率达到了89%.相同实验条件下,相对于未改善的残差网络模型,本文提出的模型在公开的CIFAR10数据集识别正确率提高了6%.

攀钢密地选钛厂实现全粒级有效回收初探

分析了选钛厂工艺流程中存在的问题，结合近年来试验所取得的成果，提出了以０．０７４ｍｍ为界限，强化分级，实现全粒级回收的工艺流程。

试论分类思想方法在科学认识中的作用

本文结合典型例子，从宏观角度论述了分类思想方法在科学认识中独特的重要作用，

计算机网络安全的探讨

随着互联网在世界范围内的迅猛发展，网络规模迅速扩大，网络应用与安全局势日趋严峻，本文就计算机网络安全的产生、计算机网络安全的概念、计算机网络安全事件的分类和计算机网络安全的危害进行了探讨，目的是使人们在利用计算机网络带来的便利的同时，也深刻认识计算机网络存在的安全隐患。对于计算机网络安全事故关系国家安全、政治安全、经济安全、文化安全、行业企业个人安全的论述，旨在引起同行高度关注和综合评估计算机网络安全引发的事故造成的影响。

基于扩展情感词典及特征加权的情感挖掘方法

针对情感分类中采用单一特征分类精度不高的问题,提出多特征加权的分类算法:根据扩展的情感词典计算每个词的情感倾向度,经CHI特征选择后,根据情感词的极性强度调整贝叶斯分类模型中该词的正负后验概率,在原值的基础上加上极性强度影响值。实验将该方法和其他3种单特征选择方法在酒店、影视等语料上的分类精度进行了对比,分类精度得到提升。实验结果表明,将词语的情感倾向度的特征融入到分类器中方法,在有效提高情感倾向性分类精度的同时降低了特征维数。

一种基于M-Z干涉仪的事件识别算法

利用基于马赫-曾德尔(M-Z)干涉原理的分布式光纤振动传感监测系统,提出了一种光缆振动事件的识别方法。该方法解决了普通光纤振动传感监测系统不具备模式识别智能分析可操作性的问题。通过对光缆上的振动事件的分析对振动的事件识别建模,利用大量实验数据将振动事件分类,通过与这些振动事件的比较,实现对振动事件的识别。