综合久久久久久久久久久,久久国产亚洲精品赲碰热,亚洲一级av高清电影网站

基于數(shù)據(jù)中臺的高校數(shù)據(jù)服務(wù)體系及快速應(yīng)用構(gòu)建研究[其他][信息安全]

針對目前高校在數(shù)據(jù)集成、數(shù)據(jù)治理和數(shù)據(jù)服務(wù)等方面的問題，提出了基于數(shù)據(jù)中臺的解決方案，在數(shù)據(jù)的采集和加工處理中引入數(shù)據(jù)湖、主題層和專題層，并對數(shù)據(jù)中臺的整體架構(gòu)設(shè)計、中臺內(nèi)數(shù)據(jù)的分層設(shè)計、數(shù)據(jù)模型的構(gòu)建、數(shù)據(jù)服務(wù)體系的設(shè)計進行了詳細闡述;對基于數(shù)據(jù)中臺的快速應(yīng)用構(gòu)建，提出了采用大中臺、微服務(wù)的系統(tǒng)建設(shè)方式，通過對系統(tǒng)進行解構(gòu)，重新根據(jù)不同業(yè)務(wù)邏輯進行模塊化組裝，實現(xiàn)快速靈活構(gòu)建業(yè)務(wù)系統(tǒng)。經(jīng)過實際案例驗證，該研究對于高校如何建設(shè)數(shù)據(jù)中臺以及如何在中臺上開展各類數(shù)字應(yīng)用建設(shè)提供了很好的范例。

發(fā)表于：3/7/2024 3:00:37 PM

基于耗散結(jié)構(gòu)理論的政府數(shù)據(jù)治理研究[其他][信息安全]

針對政府數(shù)據(jù)利用中數(shù)據(jù)的可查找、可理解、可使用等典型問題，為有效緩解高質(zhì)量數(shù)據(jù)供給不平衡不充分的矛盾，綜合分析政府數(shù)據(jù)治理的理論成果與目標任務(wù)，進一步研究政府數(shù)據(jù)治理的基礎(chǔ)理論和相應(yīng)的實踐路徑，從系統(tǒng)科學(xué)角度探究基于耗散結(jié)構(gòu)理論的政府數(shù)據(jù)治理的內(nèi)在邏輯機理，提出基于元數(shù)據(jù)管理和一體化建模的政府數(shù)據(jù)內(nèi)生治理機制建設(shè)的技術(shù)方法，以期從基礎(chǔ)層面強化數(shù)據(jù)標準、提升數(shù)據(jù)質(zhì)量、促進數(shù)據(jù)利用，提升政府數(shù)據(jù)治理效能。

發(fā)表于：3/7/2024 3:00:34 PM

融合電影流行性與觀影時間的協(xié)同過濾算法[其他][信息安全]

發(fā)表于：3/7/2024 3:00:31 PM

基于深度注意力的融合全局和語義特征的圖像描述模型[其他][信息安全]

現(xiàn)有的圖像描述模型使用全局特征時受限于感受野大小相同，而基于對象區(qū)域的圖像特征缺少背景信息。為此，提出了一種新的語義提取模塊提取圖像中的語義特征，使用多特征融合模塊將全局特征與語義特征進行融合，使得模型同時關(guān)注圖像的關(guān)鍵對象內(nèi)容信息和背景信息。并提出基于深度注意力的解碼模塊，對齊視覺和文本特征以生成更高質(zhì)量的圖像描述語句。所提模型在Microsoft COCO數(shù)據(jù)集上進行了實驗評估，分析結(jié)果表明該方法能夠明顯提升描述的性能，相較于其他先進模型具有競爭力。

發(fā)表于：3/7/2024 3:00:27 PM

基于區(qū)塊鏈的低軌衛(wèi)星互聯(lián)網(wǎng)跨域數(shù)據(jù)調(diào)度設(shè)計[其他][信息安全]

針對地面業(yè)務(wù)的需求和分布非均勻?qū)е孪到y(tǒng)資源利用率低的問題，提出一種基于區(qū)塊鏈的跨低軌衛(wèi)星互聯(lián)網(wǎng)域數(shù)據(jù)共享方案。通過衛(wèi)星節(jié)點構(gòu)建區(qū)塊鏈，實現(xiàn)數(shù)據(jù)的跨域調(diào)度；通過非均勻分布的接入設(shè)備數(shù)量改變礦工節(jié)點的出塊難度，使得近期出塊節(jié)點暫停參與礦工節(jié)點的選舉過程，以降低重復(fù)的資源消耗。仿真結(jié)果表明，所提方案能夠有效降低系統(tǒng)資源消耗和任務(wù)的平均卸載時延，在低軌衛(wèi)星互聯(lián)網(wǎng)中實現(xiàn)高效的跨域數(shù)據(jù)調(diào)度。

發(fā)表于：3/7/2024 3:00:21 PM

基于時序向量相似性的空間目標群匹配技術(shù)研究[其他][信息安全]

分析了空間低軌目標群的運行特點，提出了基于時序向量相似性的空間目標群匹配算法，提高了對低軌巨型星座的識別管理能力。首先，介紹了時序向量的降維方法，將目標群高維觀測時序向量簡化為空間構(gòu)型序列；而后，提出了基于動態(tài)時間規(guī)整（Dynamic Time Warping，DTW）的目標群空間構(gòu)型序列相似性判別算法；最后，利用星鏈衛(wèi)星目標群仿真和實測數(shù)據(jù)對算法的匹配能力進行驗證。結(jié)果表明該算法可實現(xiàn)空間目標群監(jiān)測數(shù)據(jù)快速匹配，仿真數(shù)據(jù)匹配過程中，在群內(nèi)目標缺失30%的條件下匹配成功率可達100%，在低缺失條件下（缺失率5%以內(nèi)）群內(nèi)目標識別成功率平均超過75%；實測數(shù)據(jù)匹配成功率可達100%。

發(fā)表于：3/7/2024 3:00:18 PM

基于區(qū)塊鏈的數(shù)據(jù)交換激勵機制研究[其他][信息安全]

隨著大數(shù)據(jù)的不斷發(fā)展，數(shù)據(jù)的收集和共享得到重視，產(chǎn)生了大量數(shù)據(jù)交換平臺。然而大部分平臺將重點放在數(shù)據(jù)安全與用戶隱私的考量上，從而忽視了用戶交換意愿方面的問題——實際應(yīng)用中用戶往往因為缺乏足夠的動機而少有交換意愿。針對該問題，構(gòu)建了一種基于區(qū)塊鏈的數(shù)據(jù)交換激勵框架，提出了一種基于歷史貢獻和當前貢獻的數(shù)據(jù)交換激勵機制，一方面從歷史維度考量用戶的過往表現(xiàn)，另一方面從當前維度考量用戶的實時貢獻。對所提出的方法進行了理論分析和實驗評估，結(jié)果表明該激勵機制能夠有效起到長期激勵用戶進行積極正向數(shù)據(jù)交換的作用。

發(fā)表于：3/7/2024 3:00:14 PM

基于OSPF協(xié)議Hello報文隱蔽信道構(gòu)建研究[其他][信息安全]

現(xiàn)有存儲型網(wǎng)絡(luò)隱蔽信道的研究主要根據(jù)不同協(xié)議中不同字段來隱藏信息。在眾多協(xié)議中，例如TCP、UDP協(xié)議，對其研究較多，而OSFP使用廣泛卻在國內(nèi)研究較少。針對OSPF協(xié)議下的Hello報文進行分析可以構(gòu)建網(wǎng)絡(luò)隱蔽信道的字段。從所有可能字段中選擇Authentication、Router Dead Interval和Neighbor三個字段分別使用隨機值模式、值調(diào)制模型和序列模式進行構(gòu)建三種隱蔽信道，利用微協(xié)議技術(shù)優(yōu)化信道，并將三種隱蔽信道組合成一個傳輸速率更高的隱蔽信道模型。經(jīng)過驗證，該模型具有一定的可行性和隱蔽性，可為存儲型網(wǎng)絡(luò)隱蔽信道構(gòu)建技術(shù)提供一定的理論支持和技術(shù)支撐。

發(fā)表于：3/7/2024 3:00:10 PM

基于GRU-FedAdam的工業(yè)物聯(lián)網(wǎng)入侵檢測方法[其他][信息安全]

針對工業(yè)物聯(lián)網(wǎng)中的入侵檢測存在數(shù)據(jù)隱私泄露和訓(xùn)練時間長的問題，提出一種基于GRU-FedAdam的入侵檢測方法。該方法首先采用聯(lián)邦學(xué)習(xí)協(xié)作訓(xùn)練入侵檢測模型，保護客戶端數(shù)據(jù)隱私；其次，構(gòu)建基于門控循環(huán)單元（GRU）的入侵檢測模型并采用Adam優(yōu)化算法，提高客戶端模型的訓(xùn)練速度。選用TON_IoT數(shù)據(jù)集為實驗數(shù)據(jù)，經(jīng)過兩輪通信輪次計算，訓(xùn)練時間比單層LSTM模型減少4 s；利用Adam算法訓(xùn)練模型比SGD算法收斂速度更快，入侵檢測模型準確率為0.99。實驗結(jié)果表明，基于GRU-FedAdam的入侵檢測方法在保護數(shù)據(jù)隱私的情況下，可減少訓(xùn)練時間和獲得更好的入侵檢測效果。

發(fā)表于：3/7/2024 3:00:08 PM

基于機器學(xué)習(xí)建模的液體火箭發(fā)動機噴管內(nèi)型面優(yōu)化設(shè)計[其他][信息安全]

噴管是液體火箭發(fā)動機產(chǎn)生推力的重要部件。噴管型面的結(jié)構(gòu)將直接影響燃燒所產(chǎn)生的燃氣在噴管中的流動情況，進而對發(fā)動機的性能產(chǎn)生影響。采用B樣條曲線對拋物面型線進行參數(shù)化，計算樣本集的流體動力學(xué)（Computational Fluid Dynamics, CFD）流場，以比沖為優(yōu)化變量對噴管性能進行評估。研究表明，基于代理模型優(yōu)化得到的噴管內(nèi)型面結(jié)構(gòu)與特征線法計算結(jié)果基本一致，比沖計算結(jié)果相當，最大誤差為0.28%。通過代理模型和網(wǎng)格變形方法，可實現(xiàn)液體火箭發(fā)動機噴管內(nèi)型面優(yōu)化設(shè)計，提高優(yōu)化效率。

發(fā)表于：3/7/2024 3:00:00 PM