浅谈网络入侵检测系统发展

本文首先介绍了未来信息安全领域可能会面临五大威胁情况,根据这些计算机安全的威胁,提出了目前使用的杀毒系统软件防护、防火墙隔离、及入侵检测系统(IDS),并着重阐述了IDS的分类、产品形式、目前发展的五个著名的入侵检测系统。

基于图形处理器的划分聚类算法效率研究

提出一种利用GPU(图形处理器)和CPU的协同计算模式来提高划分聚类算法enhanced_K-means的计算效率。利用GPU多个子素处理器可以并行计算的特性,将算法中比较耗时的欧氏距离计算与比较、中心点改变后簇中没有发生变化的点集合判断步骤由GPU执行,算法其余步骤由CPU执行,使聚类效率得到显著提高。在配有Pentium4 3.4 GHz CPU和NVIDIAGeForce7800GT显卡的硬件环境下经过实验测试,证明其运算速度比完全采用CPU计算速度要快。这种改进的划分聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。

浅谈C++课程教学方法的研究与应用

本文从语言设计初学者在学习面向对象程序设计过程中所碰到的实际问题出发,分析了对该课程进行教学改革和实践的必要性。结合本校该课程教学改革和实践的经验,在如何使学生快速地从结构化程序设计思想转化到面向对象程序设计思想这个比较难的问题上进行探讨,展示了实例操作教学法、求同存异的教学法并辅以多媒体教学手段在面向对象程序设计教学过程中的一些具体运用,通过实践找到一些比较新颖且行之有效的面向新世纪、适应未来发展方向的课程新教学内容、教学方法和教学手段等。

基于图形处理器的层次聚类算法效率研究

鉴于Larsen等人利用图形处理器(GPU)的多纹理技术做矩阵运算操作,以实现GPU在矩阵相乘方面的通用计算,提出一种利用GPU和CPU的协同处理模式,应用在基于层次聚类的动态近邻选择模型的聚类算法(DNNS)中,将算法中比较耗时的邻接度矩阵计算步骤交由GPU完成,而算法其余步骤由CPU执行,从而使算法的聚类效率得到显著提高。在配有Pentium IV 3.4G CPU和NVIDIA GeForce 7800GT显卡的硬件环境下经过实验测试,证明这种协同处理模式下的运算速度比完全采用CPU计算速度要快25%左右。这种改进的层次聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。

数据流聚类方法发展研究

随着网络通信技术和无线传感硬件设备的不断发展,数据流已成为一种新的数据处理模式。文中比较了数据流聚类方法与传统的聚类分析方法的不同、介绍了数据流模型特点、数据流算法特点、生成概要数据结构的常用方法,同时详细阐述了在扩展传统聚类算法的基础上研究数据流聚类方法的发展,从而为以后进一步的流聚类分析研究奠定了基础。