摘要：现有的基于深度学习模型的词嵌入方法用于Web异常检测时,通常将语料库中没有出现的未知词汇(Out of Vocabulary,OOV)设置为unknown,并赋予零或随机向量输入到模型中进行训练,未考虑未知词汇在Web请求语句中的上下文关系。同时,在Web系统代码开发过程中,基于个人习惯并为了增加代码的可读性,程序员设计的请求路径代码往往存在一定的模式。因此,考虑到Web请求的模式和单词语义间的相关性,研究基于Word2vec的动态未知词表示方法DUWe(Dynamic Unknown Word Embedding),该方法通过分析Web请求路径中单词上下文的关系来赋予未知词向量的表示内容。在CSIC-2010和WAF Dataset数据集上的实验评估表明,增加未知词表示方法比仅用Word2vec静态特征提取方法具有更好的性能,同时在准确性、精准率、召回率和F1-Score方面均有提高,在训练时间上最大降低1.14倍。

摘要：提出了一种适用于MANET网络的基于队列长度的逐跳AC自适应机制（QLACSA）.QLACSA机制的设计目标是解决EDCA在MANET网络中不同长度的业务流间的不公平竞争问题,为时延敏感的业务流提供可靠的端到端时延保证.QLACSA机制作用于MAC层,对时延敏感的业务流,将其全局时延需求合理地划分成逐跳的期望时延,根据数据包的实际时延状况,执行逐跳的AC重估,并在AC的选择过程中综合考虑数据包的延迟状态、本地时延需求和队列的排队情况,以保证各数据包能在QoS要求的端到端时延要求内到达目的节点.QLACSA还采用了整流策略,通过主动丢包实现“优胜劣汰”,将已经过期或有可能过期的数据包丢弃,从而降低可能的信道资源浪费,为具有更高传输成功率的数据包提供更多的传输机会.仿真结果表明,QLACSA机制在满足端到端时延需求的同时,将路径较长的业务流吞吐量提高了211％～245％左右.

摘要：为研究高寒阴湿区不同种植密度对药用大黄生长及产量的影响,为药用大黄的标准化栽培技术提供支持。设计3种不同种植密度(株距×行距):20 cm×60 cm,30 cm×60 cm,40 cm×60 cm,采用随机区组设计,每一密度设置3个重复。对生长指标及产量进行测量、数据统计与分析。结果表明,种植密度对药用大黄的生长发育和产量均有影响。随株距增大,药材个体各指标测量值增加。株距为30 cm、行距为60 cm时,大黄各生长指标最佳,根鲜重、根干重达最大值;不同移栽密度对药用大黄的生长指标和产量影响均有显著差异(p<0.05),各生长指标与产量呈正相关。

摘要：在考虑到发线运用过程中不确定性因素的基础上,研究旅客列车停站时间和接续时间随机变动情况下客专大站到发线运用优化问题,以提高车站作业效率和方便旅客乘降为优化目标,建立了到发线运用的随机机会约束规划模型。通过将模型中的随机机会约束转化为相应的确定性等价形式,从而将随机规划模型转化为确定性模型,并设计了解决该问题的蚁群算法。算例表明该随机机会约束规划模型能取得可靠性更高的到发线运用计划。