基于树莓派的高校中心机房综合环境监测系统的研究与设计

高校数据中心是校园网络数据交换和存储的核心枢纽,其对机房环境的稳定性要求很高.随着众多商业化机房环境监测方案的提出,有效地解决了机房环境监测系统面临的监测信息点单一、分散及整合难度大等方面问题,但这些商业化方案往往功能模块繁杂,系统扩展性较差,且价格高昂.基于此,该文设计了一种轻量化机房环境监测方案,重点解决机房环境的在线监测及告警两大核心问题.方案采用树莓派作为硬件载体,能实现对环境传感器的灵活扩展,并极大地降低了系统硬件成本.设计的原型系统以Python语言实现,采用Docker技术进行封装,具有易实现、易部署及跨平台等特点,能够满足高校中小型中心机房的环境监测需求.

一种轻量化文件远程备份方案的设计与实现

立足普通用户的非专业级数据远程备份需求,设计一种面向文件的轻量化数据远程备份方案,通过引入GnuPG和文件状态监测等技术,解决数据的安全存储和传输两大核心问题,有效提升系统的整体性能.该方案设计的原型系统以树莓派为硬件载体,采用Python脚本语言实现,具有廉价、轻量化、易实现和易管理等特点.实验结果表明,原型系统在数据加/解密效率和备份计算量等方面性能表现良好,具备一定的实际应用推广价值.

基于改进的LSTM-CNN模型的高校网络舆情预警研究

为了对高校网络舆情有效地进行监测和预警,文章首先对传统的LSTM模型进行改进,分别采用softsign激活函数代替LSTM模型中的tanh激活函数,同时用L1范数和L2范数的线性组合来正则化LSTM模型的输入权重。结合改进的LSTM模型和CNN模型各自优点,提出运用改进的LSTM-CNN模型对高校舆情信息中文本的情感倾向进行分类,把舆情中的情感倾向分为非负面情绪和负面情绪两大类,以达到预警的目的。实验证明,改进的LSTM-CNN模型对高校舆情信息中文本的情感倾向分类性能有很大提升,并且是有效的。