摘要：为了快速、准确地识别出网络黑客的身份,设计了一种基于命令的黑客画像构建与识别方法。首先,构建融合注意力机制的双向长短期记忆神经网络模型来识别黑客的攻击类型;然后,提取黑客的攻击类型标签、统计特征标签与行为特征标签构成黑客画像;最后,提出了基于二次匹配的黑客识别算法,识别黑客的身份。实验结果表明,提出的黑客识别方法与现有文献中的方法相比,在准确率、精度等方面均有提升,并且识别效率与稳定性也优于与画像库中所有画像逐一比配的方法。

摘要：针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题,提出一种资源需求预测模型和分配方法。首先,根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分,并在短期预测的基础上结合应用的多周期性特征,利用多元回归算法建立综合的预测模型。然后,基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后,结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明,采用该资源需求预测模型和分配方法后,相比于自回归模型和指数平滑算法,平均绝对百分比误差分别下降8.71个百分点和2.07个百分点,均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小,与真实值的拟合程度也较高,而且利用较小的时间开销就可以获得较高的准确度。此外,使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。

摘要：圈复杂度是度量软件复杂程度的主要指标,在软件测试以及维护上有着重要的作用.随着Python语言在各领域的应用越来越普遍,Python程序的复杂度逐渐成为开发者所关注的问题.根据Python语言的抽象语法树,结合Python程序的字节码,通过设计相应的算法提取控制流信息,来实现程序圈复杂度的自动化计算,上述方法不需要借助于控制流图.实验结果表明,上述方法有效可靠,可以准确地计算出程序的圈复杂度.特别是在程序的设计与开发阶段,关注代码的复杂度,可以有效提高软件质量、降低维护成本.

摘要：针对机器鱼对抗系统中敌方机器鱼的整体策略和个体意图进行预测。通过预测,合理规划己方行为,以提前对敌方下一步行为进行拦截,提高己方对抗实力。以BDI模型为依据,通过对敌方机器鱼朝向、位置信息的处理及场地的划分,预测敌方整体策略。根据整体策略,预测下一步可能执行的所有行为,然后通过设置置信度函数对各种行为进行评估,推断出一种可能性最大的行为作为敌方机器鱼的个体意图,从而设计己方的拦截策略。最后,以机器鱼仿真系统为验证平台,测试策略的有效性。实验证明,使用改进策可有效地分析对手的思维和意图,进而抑制对手对抗水平的正常发挥。

摘要：在数字视频制作中依照情节的发展和观众注意力变化的程序,把一个个镜头合乎逻辑地、有节奏地连接起来,使观众得到一个明确的、生动的印象或感觉,从而使观众正确地了解一件事情的发展。分别介绍了制作视频构思创作的基本要求,分镜头稿本编写的依据和格式,镜头组接的原则、镜头长度的确定、声音的编辑技法,现场录制的灯光调整、音频录制、视频录制和后期制作的镜头剪辑、特效的合成、声音剪辑制作五部分内容。

摘要：为了避免数据的共享与交换可能造成的个人隐私泄露问题,基于随机干扰技术设计了一种针对文本型数据的隐私保护方法,可以为具有单个敏感属性或多个相关联敏感属性的数据提供隐私保护服务,有效解决了传统的随机干扰方法不适用于文本类型数据的问题。该方法通过进行文本语义的扩展,使得被干扰后的数据与原数据在语义上保持最大程度的接近,从而实现了在进行隐私保护的同时,确保数据质量。实验结果表明,该方法具有较好的隐私保护效果。

摘要：针对流式办公文档查询语言ODQ(Office Document Query)中,流式办公文档格式繁多,其配套的API依赖于开发平台,且不同版本之间差异较大的问题,对不同流式办公文档格式和版本的API进行封装,为查询不同格式的文档提供了一个简单、统一的查询接口。为了编译ODQ命令,设计了ODQ编译器对ODQ命令进行语法检查、编译、生成执行计划。最后,通过查询结果重用技术和执行计划重用技术对ODQ编译器进行优化。实验证明,这些技术可以有效提高查询效率。

摘要：针对东巴古籍编目的数据存储及查询问题,通过分析现有古籍数据库存储方式,提出了基于XML数据库的古籍编目管理系统的构建方法。该方法首先以元数据标准为依据将纸质书籍的内容数字化,然后根据不同分类的古籍编目特点设计XML数据库集合,最后分5层构建古籍编目管理系统。通过与关系型数据库进行对比,验证了系统在东巴经典古籍编目存储、查询等管理方面的优势。提出的东巴古籍管理系统构建方法对其他少数民族古籍编目管理有一定的借鉴作用。

摘要：本文阐明了“数据结构”教学过程中多层次化的教学内容的重要性,让学生从自身的水平出发,选择适合自己层次的内容进行学习,并对多层次学习内容进行详细的分析、设计,描述了如何进行层次化学习的全过程;最后将该研究应用于实际系统中,结合网络及数据库实现了一个层次化的学习系统实例,并提供给学生在线学习使用。

摘要：分词是中文自然语言处理中的一个关键基础技术。通过基于字的统计机器学习方法学习判断词边界是当前中文分词的主流做法。然而,传统机器学习方法严重依赖人工设计的特征,而验证特征的有效性需要不断的尝试和修改,是一项费时费力的工作。随着基于神经网络的表示学习方法的兴起,使得自动学习特征成为可能。该文探索了一种基于表示学习的中文分词方法。首先从大规模语料中无监督地学习中文字的语义向量,然后将字的语义向量应用于基于神经网络的有监督中文分词。实验表明,表示学习算法是一种有效的中文分词方法,但是我们仍然发现,由于语料规模等的限制,表示学习方法尚不能完全取代传统基于人工设计特征的有监督机器学习方法。