西部地方院校计算机与人工智能人才融合培养体系探索

为了改善西部地方院校计算机人才和人工智能人才分割独立的现有人才培养模式,文章设计了一种计算机与人工智能人才融合培养体系。该体系围绕培养计算机与人工智能复合型人才,以符合经济社会发展人才需求的复合型知识结构为驱动,构建人才培养融合方案、实践教学融合方案、复合型人才培养教学管理制度等人才培养体系的关键措施。在专业知识结构、理论课程体系、实践训练环节、复合型教学管理制度上进行融合优化,实现计算机类专业和人工智能专业本科学生的交叉培养,以期实现跨专业的计算机与人工智能复合型人才培养的目的。

基于Stacking模型融合的网络异常事件监测

随着云计算和人工智能的飞速发展,各种智能化的服务使大量数据在网络节点之间传输。然而,网络威胁,网络攻击和网络入侵在各种网络环境中大量增加。基于数据科学和机器学习,文章使用一系列涉及数据预处理、新特征创建、集成学习、Stacking模型融合等技术,以识别可疑的网络事件。提出了一种Stacking模型融合方法以提高网络异常事件识别的准确率,其中单一的模型包括XGBoost、Cat Boost、Light GBM、Random Forest。通过整合机器学习和数据科学相关技术,以提高网络异常事件识别率,实验结果表明该方法比单一的机器学习模型有更高的准确率。

一种基于公开网络数据集的异常分析系统

异常分析技术对于优化网络管理和维护网络安全具有积极的作用,为了将机器学习算法应用到网络数据异常分析中,采用网络数据集KDD CUP’99作为分析对象,构建了从网络数据集中选择数据的方法,根据网络连接的数据特征设置了数据属性,采用经典的机器学习方法对网络数据进行了分析和验证。编程实现了以上的异常分析流程,并形成了具有实际功能的软件系统,该系统能够针对公开数据集进行有效的异常分析。

电子选举研究综述

选举是民主进程的重要组成部分,投票是选民表达其民主意愿的重要手段,电子选举是当代选举中最重要的形式。为了保障选民的重要权利和维护选举的安全性,同时也为了能有效促进电子选举的深入研究,本文在总结电子选举领域现有研究的基础上,分析了电子选举的安全需求,阐述了电子选举常用的技术方案,并列举和对比分析了有代表性的电子选举系统。最后,根据电子选举研究的不同侧重点,指出了电子选举在将来的发展方向。