哈尔滨第24届世界大学生冬季运动会赛事信息系统模型的研究与建立

介绍了第24届世界大学生冬季运动会项目组按照小投入、大容量、模块化、可复用性、易扩展、易维护、易迁移、高安全的原则对大冬会信息系统模型研究和建立的过程,并结合项目实际需求,介绍了该模型的总体架构,阐述了各子系统的功能及难点部分的有效解决方法和思路。

虚拟现实技术在计算机实验教学中的应用

本文阐述了将虚拟现实技术应用到虚拟实验教学中心建设的理论过程。同时针对哈尔滨工程大学计算机虚拟实验教学中心的实际建设情况进行了详细的论证。

现代模态逻辑在计算机科学中的应用研究

现代模态逻辑是在经典数理逻辑基础上发展起来的,主要包括狭义模态逻辑、道义逻辑、认知逻辑、信念逻辑、时态逻辑与动态逻辑。克里普克语义模型的建立,使得模态逻辑成为现代逻辑的重要分支之一,并成功应用到数学、经济学、社会科学、计算机科学和量子力学等众多领域。介绍了现代模态逻辑研究的主要内容,重点综述了现代模态逻辑在计算机科学的程序设计语言、知识表示与多代理系统以及模型检测、定理机器证明和非单调逻辑5个方面的应用,阐述了现代模态逻辑在计算机科学领域的研究目标、研究进展和发展趋势,最后指出现代模态逻辑研究中存在的问题,并预测其未来可能的研究与发展方向。

计算机系统漏洞自动化利用研究关键技术及进展

网络空间的安全形势日趋复杂,随着软件迭代的速度加快,安全漏洞的数量也呈爆炸式增长。过去依靠安全专家进行评估的方式在面对隐蔽且数量众多的漏洞时需要耗费巨大的人力物力,因此,如何高效地自动寻找软件漏洞、生成对应的漏洞报告并进行后续利用成为当今的一个热点研究方向。文章旨在对漏洞自动化利用的最新进展进行综述,首先提炼漏洞自动化利用的相关技术,然后介绍主流的漏洞自动化利用系统,最后分析总结了目前存在的问题并对未来的研究进行了展望。

计算机视觉下的旋转目标检测研究综述

传统目标检测器通过水平边界框(Horizontal Bounding Box,HBB)定位目标,在检测方向角任意、分布密集、长宽比大、背景复杂的目标时,往往精度较低、泛化能力较差。在边界框中增加不同旋转角度的旋转目标框可有效解决上述问题,其被广泛应用在遥感图像、场景文本图像、货架商品图像等目标检测领域,具有重要研究价值。目前大多数工作旨在构建不同的旋转目标检测模型,对现有模型的归纳总结及深入分析的综述性工作较少。为此,对旋转目标检测现有研究成果进行了详细综述。首先根据当前流行的目标框表征方式,将目标框分为旋转矩形框(Oriented Bounding Box,OBB)、四边形边界框(Quadrilateral Bounding Box,QBB)和点集(Point set)3种类型,并比较了不同旋转目标检测算法的优缺点、网络结构和性能;其次分析了目前常用的旋转目标检测数据集和性能评价指标;最后对目前研究中存在的问题进行简要总结和讨论,并对未来的发展趋势进行展望。

哈尔滨市雾霾天气的成因分析及对策研究

本文在分析哈尔滨市大气污染发展趋势的基础上,详细论述了哈尔滨市雾霾天气的成因,并根据其成因提出了具体的防治对策。

计算机专业大学生就业心理分析与指导

随着高等教育从精英型教育向大众型教育的转化，大学生就业竞争日趋加剧，近几年来伴随着整个世界IT业泡沫经济的出现，计算机专业的大学生在就业方面也面临着新的挑战。笔者根据多年在高校负责计算机专业大学生就业的实际经历，对该专业大学生的就业心理进行了详细的分析并对学生就业工作提出有益的指导。

计算机硬件实验课程体系的改革探索

本文从分析我院现有计算机硬件实验教学课程体系入手,阐述了建立以'软硬件实验环境一体化、实验平台综合化、实验内容系统化'为指导思想,以培养具有创新能力和高水平复合型计算机人才为目的,以嵌入式技术为核心内容的计算机硬件实验教学课程体系的重要性和必要性,给出了一个切实可行的与实验室建设密切结合的方案以及预期目标.

面向物联网的入侵检测技术研究新进展

相较于传统入侵检测机制,智能化的入侵检测技术能够充分提取数据特征,具有更高的检测效率,但对数据样本标签的要求也更高。文章按数据样本标签从有监督和无监督角度对物联网入侵检测技术的最新进展进行综述。首先概述了基于签名的入侵检测方法,并基于有监督和无监督的分类分析了近期基于传统机器学习的入侵检测方法;然后分析了近期基于深度学习的入侵检测方法,分别对基于有监督、无监督、生成对抗网络和深度强化学习的入侵检测方法进行分析;最后分析总结了物联网入侵检测技术的研究挑战和未来的研究趋势。

计算机免疫应用研究

主要介绍了计算机免疫在网络安全方向的几个应用领域:生物启发的病毒检测、生物启发的入侵检测、生物启发的风险评估以及神经网络和遗传算法在入侵检测研究中的应用.首先介绍人体免疫系统的安全机制及特性;其次总结生物启发的病毒检测的相关工作及分布式计算机病毒免疫系统(distributed computer virus immune system, CVIS)的工作原理及系统结构;再次描述生物启发的入侵检测的研究现状及相邻比特匹配规则,简述生物启发的风险评估;然后阐述了神经网络在误用检测中的应用以及遗传算法的适应函数;最后指出计算机免疫的研究方向.

计算机专业硬件课程实践教学研究

本文深入分析了国内外几所典型大学计算机工程专业硬件课程设置情况,讨论了目前我国计算机专业硬件课程实践教学改革的方向和亟待解决的问题。

计算机生成兵力中智能体角色模型的研究

基于角色的集中规划式MAS结构是CGF仿真中群体组织的主要形式。由于军队命令机制的特殊性,Agent的BDI模型并不能很好地描述CGF-Agent的精神状态。在BDI的基础上,提出了基于命令的BGC模型,对模型的语义、语法和性质进行了讨论。在BGC模型框架下,文章对角色进行形式化描述,并分析了基于角色的任务分派。实际仿真应用表明,BGC角色模型能够在一定程度上满足CGF的应用需求。

自律计算系统及其关键技术研究

自律计算系统是目前的一个热点研究方向,其目的是采用技术管理技术来降低用户使用系统的复杂性。目前,自律计算理论已广泛应用于网络安全、自动控制等多个领域并取得初步成功。基于学术界已有的研究成果,对自律计算概念、框架结构以及自律计算系统实现的关键技术进行了综述,以为自律计算领域研究人员后续研究提供指导。

TMR容错计算故障恢复技术研究

提出了一种可伸缩的TMR容错计算系统结构,根据TMR系统出现故障的情况,详细研究了其故障恢复模型和恢复策略。通过综合采用向前和向后恢复方法有效减少了由于实现容错功能而对系统运行进程完成时间的推延并进行了定量分析和验证。

无线传感器网络中虚假数据途中过滤技术研究

无线传感器网络具有实际应用环境相对复杂、自身节点通道脆弱等特点,因此传感器节点很容易受到虚假数据注入攻击,导致传感器能量和通信资源浪费,甚至造成系统瘫痪。途中过滤技术是解决以上问题的有效方法之一。文章首先介绍了途中过滤技术的基本原理;然后对途中过滤技术中密钥分配、事件报告生成、途中过滤和接收器验证4个步骤进行研究分析,并根据不同原则分别对密钥分配过程和途中过滤过程进行分类研究,详细分析了一些重要的过滤方法及其优缺点。

生物启发的容错计算技术研究

作为复杂的长寿系统的标志性特性,容错性由传统的技术实现起来极为困难。受复杂的生物系统的高度容错性启发,文章以POE模型为基础研究了生物启发的容错计算技术的三个主要领域(胚胎电子学、免疫电子学和可进化的硬件),介绍了胚胎电子细胞阵列的层次结构及容错策略;论述了免疫电子学的重要成就、免疫-胚胎电子学的一般结构和抗体学习及可进化的硬件的主要机理;讨论了生物启发容错计算的研究前景。

结合句法增强与图注意力网络的方面级情感分类

方面级情感分类旨在识别给定特定方面文本的情感极性,在本领域中,将图神经网络与句法依赖解析相结合是当下热门的研究方向之一,此类方法通过句法解析捕捉句子中词与词之间的关系,依此构建图结构,输入图神经网络中得到情感极性。若句法解析器出现解析错误,将会对以图为基础的图神经网络模型产生巨大影响。为了增强解析器生成的句法依赖树的解析结果,文中提出了一种句法增强图注意力网络,该网络通过融合多个解析器的解析结果,提高句法依赖解析精度,得到更精准的依赖关系句法图;在图注意力网络中使用密集连接机制捕获更丰富的特征,更适配于增强后的句法图,同时引入方面注意力机制捕获方面语义特征。实验结果验证了句法增强方法的有效性,在3个基准数据集上的分类准确度都有所提高,在方面级情感分析领域具有较好的表现。

基于双向稀疏Transformer的多变量时序分类模型

针对多变量时序(Multivariate Time Series,MTS)分类中长序列数据难以捕捉时序特征的问题,提出一种基于双向稀疏Transformer的时序分类模型BST(Bidirectional Sparse Transformer),提高了MTS分类任务的准确度.BST模型使用Transformer框架,构建了一种基于活跃度得分的双向稀疏注意力机制.基于KL散度构建活跃度评价函数,并将评价函数的非对称问题转变为对称权重问题.据此,对原有查询矩阵、键值矩阵进行双向稀疏化,从而降低原Transformer模型中自注意力机制运算的时间复杂度.实验结果显示,BST模型在9个长序列数据集上取得最高平均排名,在临界差异图中领先第2名35.7%,对于具有强时序性的乙醇浓度数据集(Ethanol Concentration,EC),分类准确率提高30.9%.

基于虚拟靶场的渗透测试实践教学机制探索

渗透测试实践教学是为信息安全相关专业学生开设的少数攻击类课程,是必不可少的教学环节。随着《中华人民共和国网络安全法》等法律法规的不断完善,渗透测试教学的实践模式需要不断创新。针对实践教学中资源和时间方面的难题,设计并实现基于OpenStack的虚拟靶场系统,从教学过程、教学方法 、考核方式等角度分别提出开放式线上线下混合教学、引导式基础实验过程、赛学融合的考核方式等具体改革方法,探索渗透测试实践教学的新机制。

面向短文本的增强上下文神经主题模型

目前的主题模型大多数基于自身文本的词共现信息进行建模,并没有引入主题的稀疏约束来提升模型的主题抽取能力,此外短文本本身存在词共现稀疏的问题,该问题严重影响了短文本主题建模的准确性。针对以上问题,提出了一种增强上下文神经主题模型(enhanced context neural topic model,ECNTM)。ECNTM基于主题控制器对主题进行稀疏性约束,过滤掉不相关的主题,同时模型的输入变成BOW向量和SBERT句子嵌入的拼接,在高斯解码器中,通过在嵌入空间中将单词上的主题分布处理为多元高斯分布或高斯混合分布,显式地丰富了短文本有限的上下文信息,解决了短文本词共现特征稀疏问题。在WS、Reuters、KOS、20 NewsGroups四个公开数据集上的实验结果表明,该模型在困惑度、主题一致性以及文本分类准确率上相较基准模型均有明显提升,证明了引入主题稀疏约束特性以及丰富的上下文信息到短文本主题建模的有效性。