结合图卷积神经网络和集成方法的推荐系统恶意攻击检测

推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐结果,严重危害推荐服务的安全性。现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检测,难以适应更复杂的共同访问注入攻击,并且人工构建特征费时且区分能力不足,同时攻击行为规模远远小于正常行为,给传统检测方法带来了不平衡数据问题。因此,文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信息得到用户嵌入和项目嵌入,将其作为攻击检测特征,以卷积神经网络作为基分类器实现深度行为特征提取,结合集成方法检测攻击。在真实数据集上的实验结果表明,与流行的推荐系统恶意攻击检测方法相比,所提方法对共同访问注入攻击行为有较好的检测效果并在一定程度上克服了不平衡数据的难题。

网络环境下党校图书馆服务创新探究

随着计算机网络技术在党校教学、研究领域的广泛普及，党校图书馆面临着网络环境的冲击，为更好的适应党校学员及教员日益增长的信息需求，图书馆传统的信息服务模式亟待调整和创新。化解党校图书馆服务面临的挑战，必须树立“以用户为中心，以需求为导向”的服务理念，推进服务创新，全面推升服务水平，并通过开展特色化、知识化、个性化服务，真正发挥网络环境下党校图书馆为教学科研服务的作用。

基于高分辨率网络的全钢子午线轮胎钢丝圈区域边界分割

针对全钢子午线轮胎中纹理复杂、结构多变的钢丝圈区域边界分割困难的问题,提出一种基于高分辨率网络的轮胎钢丝圈区域边界分割方法;根据垂直投影曲线信息实现轮胎X射线衍射图像各区域的划分;利用直方图均衡化提高图像的明暗对比度,增强纹理信息;根据高分辨率网络输出的热图,基于自适应阈值方法进行边界分析,通过计算热图不同区域的阈值得到对应的二值图,统计热图中边界区域面积并筛除过小的部分,根据剩余区域重构热图并利用边界上下文信息填补被筛除的位置,从而得到整体边界分布均匀、精细的热图;在自建数据集上测试所提出方法的检测性能,通过消融实验探讨所提出的方法及其优化模块对最终边界分割结果的影响,并将所提出的方法与2种常用方法进行定量和定性对比。结果表明,钢丝圈区域的包布、反包边界分割准确率分别达到98.94%、97.23%,相对于2种常用方法,所提出的方法具有较强的稳健性和适用性。

基于时序深度置信网络的在线人体动作识别

在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完成在线人体动作识别的时序深度置信网络(Temporal deep belief network,TDBN)模型.该模型充分利用动作序列前后帧提供的上下文信息,解决了目前深度置信网络模型仅能识别静态图像的问题,不仅大大提高了动作识别的准确率,而且由于该模型不需要人为对动作序列进行分割,可以从动作进行中的任意时刻开始识别,实现了真正意义上的在线动作识别,为实际应用打下了较好的理论基础.

基于主题的自适应、在线网络热点发现方法及新闻推荐系统

本文提出了一种基于改进HotRank算法的站点排序及种子URL选择方法,建立了在线主题发现系统信息采集自适应增量更新模型;结合LDA模型和仿射传播聚类算法(AP),提出了一种网络主题发现和热点新闻推荐方法,并在海天园知识服务平台热点新闻推荐系统中得到了应用.

社交网络用户的人格分析与预测

人格信息是对人类个体特征的高度概括,也是区分人与人之间差别的一种科学的量化标准.人格不但与人类在现实世界中的行为密切相关,而且与虚拟世界社交网络中的行为表现出高度相关性.线上行为的可记录、易计算等特性使得对网络用户人格分析成为可能.随着互联网用户的不断增长,对社交网络用户人格的研究将为人格理论的推广和应用提供非常广阔的空间.文章在总结人格测量的标准与方法的基础上,综述了近年来社交网络用户的人格分析和人格预测的相关研究,指出了社交网络用户人格预测方法面临的挑战,然后分析了人格理论在当前社交网络中的可能应用模式,最后展望了该领域需要解决的关键问题以及可能的应用前景.

游戏化教学方法在网络编程类课程教学中的应用

随着高等学校网络工程专业办学水平的提高,作为重要的专业课程,网络编程类课程急需通过教学形式的改良来提升教学和学习效果。文章探讨游戏化教学这一新兴教学方式在网络编程类课程中应用的优势与挑战,分析形成性评价在该课程中的重要性,并以Kahoot!为例展示游戏化教学的效果,分析将游戏化教学方法引入网络编程类课程后潜在的问题。

使用DBSCAN的FCM神经网络分类器

针对浮动质心法(FCM)在实现过程采用的K-means算法不易发现任意形状簇及对离群点敏感等缺陷,提出使用具有噪声的基于密度的聚类算法(DBSCAN)改进FCM神经网络分类器的方法.DBSCAN将离群点看作无法处理的点,并能发现任意形状的簇,将分区空间中的染色点划分成若干个更准确的分区.此外,定义优化目标函数,并用粒子群优化算法优化神经网络的各个参数,获得最优的分类模型.在UCI数据库上的对比实验表明,改进后的FCM方法在分类精度、鲁棒性和运行时间方面均优于原有FCM.

结合注意力与循环神经网络的专家推荐算法

在线问答社区(CQA)已经成为互联网最重要的知识分享交流平台,将用户提出的海量问题有效推荐给可能解答的用户,挖掘用户感兴趣的问题是此类平台最核心功能。一些针对问答社区的专家推荐算法已经被提出用来提高平台解答效率,但是现有工作大多关注于用户兴趣与问题信息匹配,忽视了用户兴趣动态变化问题,可能会严重影响推荐质量。提出了结合注意力与循环神经网络的专家推荐算法,不仅实现了问题信息的深度特征编码,而且还能捕获动态变化的用户兴趣。首先,问题编码器在预训练词嵌入基础上结合卷积神经网络(CNN)和Attention注意力机制实现了问题标题与绑定标签的深度特征联合表示。然后,用户编码器在用户历史回答问题的时间序列上利用长短期记忆神经网络Bi-GRU模型捕捉动态兴趣,并结合用户固定标签信息表征长期兴趣。最后,根据两个编码器输出向量的相似性计算产生用户动态兴趣与长期兴趣相结合的推荐结果。在来自知乎问答社区的真实数据上进行了不同参数配置及不同算法的对比实验,结果表明该算法性能明显优于目前比较流行的深度学习专家推荐算法。

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。

基于Web的网络流量分类管理系统

针对传统的流量分类管理系统存在不稳定、结果反馈不及时、分类结果显示不直观等问题,设计一个基于Web的在线的流量分类管理系统。该系统采用流中前5个包(排除3次握手包)所含信息作为特征值计算资源,集成一种或多种分类算法用于在线网络流量分类,应用数据可视化技术处理分类结果。实验表明:在采用适应在线分类的特征集和C4.5决策树算法做分类时,系统能快速做出分类,且精度达到94%以上;数据可视化有助于人机交互,改善分类指导。

LED照明网络控制芯片的设计及应用

针对传统的照明网络存在高功耗和编址复杂等问题,设计支持多通道的LED照明网络控制芯片。控制芯片包含控制通道接口和数据通道接口,对多通道协议进行处理。应用控制芯片可以实现多通道的LED照明网络架构,简化照明节点编址过程。经测试,该控制芯片可以支持照明节点编址,而且芯片功耗大约为89 mW,与现有技术相比,有效地降低了功耗。

基于加权复杂网络度熵和的癫痫发作检测方法

癫痫发作检测一直是一项富有挑战性的工作,随着癫痫发病率的增加,高性能癫痫自动检测算法在临床上可以减轻医务工作者的工作量,具有重要的临床医学研究意义。提出基于加权水平可视图的癫痫检测新方法。首先利用加权水平可视图将单通道脑电信号转化为复杂网络,并提取生成的复杂网络的度的平方和权重度分布熵两个特征;最后将两个特征之和作为单特征输入到线性分类器中,用来识别癫痫间歇期和发作期信号。对波恩大学的癫痫脑电数据集进行实验,评价所提出的检测算法的性能。使用该癫痫脑电数据集间歇期和发作期各100个实验样本,样本长度为1 024。实验结果表明,所提出的方法具有较高的分类精度,可达到98.5%。由于分类的特征为单特征,所以更加简单高效,可用于癫痫发作在线自动检测。

一种分布式的大规模园区网络接入方案

为加快下一代互联网和宽带光纤接入网建设,推进信息技术与传统工业结合,本文针对大型园区网络的用户接入需求,研究了一种分布式的接入控制技术。该技术利用TCP面向连接的特点,把TCP创建连接数据包与负载传输数据包分别发送到控制服务器与截断网关。在控制服务器处只对创建连接数据包进行用户认证,从而实现了高效的用户接入与数据转发。

基于共享最近邻的自适应密度峰值聚类算法

密度峰值聚类算法(DPC)是一种简单高效的无监督聚类算法,该算法虽能自动发现簇中心,实现任意形状数据的高效聚类,但依然存在一些缺陷。针对密度峰值聚类算法在定义相关度量值时未考虑数据的位置信息、聚类中心数目需要人工预先设定且分配样本点时易出现连锁反应这3个缺陷,提出一种基于共享最近邻的自适应密度峰值聚类算法。首先,利用共享最近邻重新定义局部密度等度量值,充分考虑了数据分布的局部特点,使样本点的空间分布特征得以更好地体现;其次,通过引入密度衰减现象让样本点自动聚集成微簇,实现了簇个数自适应确定和簇中心自适应选取;最后,提出一种两阶段的分配方法,先将微簇合并形成簇的主干部分,再用上一步分配好的簇主干指导剩余点的分配,避免了链式反应的发生。在二维合成数据集以及UCI数据集上的实现表明,相较于经典的密度峰值聚类算法及近年来对其提出的改进算法,在大多数情况下,所提算法表现出更优异的性能。

基于关键实体和文本摘要多特征融合的话题匹配算法

随着网络的快速普及,互联网新闻的数量剧增,在这种情况下,如何有效地找到更加符合特定主题的相关报道成为一个迫切需要解决的问题。针对这一问题,提出了基于关键实体和文本摘要多特征融合的话题匹配算法。首先,使用W2NER模型进行命名实体识别,通过词频、TF-IDF、词的合群性、词词相似度和词句相似度特征,提取关键的实体。其次,使用Pegasus模型进行文本摘要,通过BiLSTM融合关键实体特征与文本摘要特征,得到新闻文本的深层次语义特征。再次,使用交叉注意力机制对待匹配新闻进行特征交互,增进彼此的联系。最后,融合新闻文本的深层次语义特征和文本交互特征,共同参与文本话题匹配的判断。在来自于搜狐的真实数据上进行了不同算法的对比实验,结果表明:所提算法准确率和精确率均与其他算法效果相近,召回率和F1值均有所提升。

基于三阶张量的大规模数据谱聚类集成算法

为了降低大规模数据谱聚类计算负担,进一步提高聚类的准确性和鲁棒性,提出了一种基于三阶张量的大规模数据谱聚类集成算法。首先,提出一种混合代表最近邻近似方法构造数据间的稀疏亲和子矩阵;然后将稀疏亲和子矩阵表示为二部图,通过图分割的方法得到初步聚类结果;最后,提出三阶张量集成方法,将多个聚类结果进行融合,得到最终的聚类结果。在大规模的真实数据集和合成数据集上验证,相较经典的谱聚类算法、聚类集成算法以及近年来对其改进的算法,该算法表现出更优异的性能。

基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪

针对因受水面波纹、反光及目标外观特征相似而导致的游泳池中目标检测跟踪困难的问题,提出一种基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪方法;通过引入注意力机制改进YOLOv5算法,增强算法对目标特征的提取能力;将检测结果输入到DeepSort算法中,在级联匹配中引入K邻域限制筛选目标检测框,减少因目标外观特征不明显引起的身份切换问题;利用匈牙利算法对检测框和预测框进行匹配,对未匹配成功的检测框采用距离交并比代替交并比进行二次匹配,提高DeepSort算法的跟踪性能;通过对比实验和消融实验验证所提出的多目标检测跟踪算法的性能。结果表明:改进的YOLOv5算法平均精准度提高2%,结合DeepSort算法跟踪检测,身份切换平均减少58次,多目标跟踪精确率为80.26%,比原始YOLOv5算法和Deepsort算法跟踪准确率提升了3.85%。

多源异构数据渐进式融合的虚假新闻检测

社交媒体平台上充斥着大量未经验证的信息,这些信息大多为不同来源的异构数据,其传播范围之广、速度之快,对个人和社会造成了严重危害。因此,有效检测和防范虚假新闻至关重要。针对当前虚假新闻检测模型局限于从单一数据来源获取新闻文本及视觉信息,导致新闻报道主观性较强、数据覆盖不全面的问题,提出了一种多源异构数据渐进式融合的虚假新闻检测模型。首先,进行多源异构数据的收集、筛选和清洗,由此构建了一个多源多模态数据集,其中包含关于每个事件的多个不同角度的报道;接着,通过将文本特征提取器和视觉特征提取器获取的特征输入多源融合模块,实现了不同来源特征之间的渐进式融合;同时,引入文本的情感特征和图像的频域特征,以实现多层次的特征提取;最后,采用软注意力机制进行特征集成。实验结果和分析表明,与已有的流行方法相比,所提模型有较好的检测效果,为大数据时代的虚假新闻检测提供了一种有效的解决方案。

面向溺水救援机器人平稳跟踪的模糊比例微分控制视觉伺服方案

针对溺水救援机器人的平稳跟踪需求,提出一种基于模糊比例微分控制的视觉伺服方案,通过场馆顶部安装的俯视摄像头获取机器人的坐标位置,使用虚拟导航线设计动态行走路径,计算偏移方向、偏移角并制定转弯规则;利用三角隶属度函数制定模糊比例、微分控制规则表,根据2种规则表中的比例、微分系数分别控制机器人的偏移角、距离偏移量及其变化率,实现机器人的跟踪与避障的平稳性调整;机器人采用核相关滤波跟踪算法对溺水人员进行跟踪,在溺水人员位置变化时调整运动方向,依靠实时、稳定的声呐信息设置偏移角,实现避障功能;对所提出的方案在先锋P3DX型机器人上进行实验验证。结果表明:机器人能及时应对目标变化,没有跟错、跟丢现象;在不同工况时的横滚角均小于1°,避障率达到100%,能够快速、稳定、准确地到达目标位置,达到溺水救援机器人的前期应用要求。