亚洲人成网站在线,精品少妇人妻Av免费久久农村

基于魚叉式換檔同步器的純電動汽車動態(tài)分析[其他][汽車電子]

為了提高純電動汽車的換檔質(zhì)量和整體能量效率，提出一種魚叉式換檔同步器代替?zhèn)鹘y(tǒng)錐形同步器的電動汽車動力總成系統(tǒng)。結(jié)合魚叉式同步器的動力學(xué)模型，研究傳動系統(tǒng)在換檔過程中的瞬態(tài)響應(yīng)，建立動力總成系統(tǒng)的原始動力學(xué)模型。同時，提出一種基于特殊階躍函數(shù)的換檔控制方法，對魚叉式換檔同步器的各檔扭矩彈簧剛度進(jìn)行優(yōu)化。實驗結(jié)果表明，新型魚叉式同步器的動力學(xué)模型和控制策略具有較好的算法精度，優(yōu)化后的扭矩彈簧使嚙合過程中的沖擊力明顯減小。因此，所設(shè)計的魚叉式換檔同步器與傳統(tǒng)同步器相比具有明顯的優(yōu)越性。

發(fā)表于：11/20/2020 10:54:00 AM

PARA-AC：一種基于AC自動機的高性能匹配算法[其他][其他]

原始AC自動機由于匹配性能低，無法滿足當(dāng)前大數(shù)據(jù)環(huán)境下大規(guī)模特征串實時匹配的應(yīng)用需求。針對這一問題，提出一種基于多線程的多模式串匹配加速算法，稱之為PARA-AC(Parallel Aho-Corasick automaton)。該算法將待匹配字符串切割成若干字符子串以及若干切割點邊界字符集，并將字符子串、切割點邊界字符集輸入至線程池中進(jìn)行匹配，從而實現(xiàn)字符串的并行化加速處理。實驗結(jié)果表明，與原始AC自動機匹配算法相比，PARA-AC算法顯著提高了匹配速度，約為原始AC的13.91倍。

發(fā)表于：11/20/2020 10:46:00 AM

基于DAG的Hive數(shù)據(jù)溯源方法[測試測量][數(shù)據(jù)中心]

數(shù)據(jù)溯源能夠快速定位數(shù)據(jù)的來源及其產(chǎn)生過程，對審計、數(shù)據(jù)生命周期管理都有很大幫助，是數(shù)據(jù)安全防護(hù)中的重要一環(huán)。針對傳統(tǒng)數(shù)據(jù)溯源機制難以應(yīng)用于Hive數(shù)據(jù)倉庫中大規(guī)模、復(fù)雜的數(shù)據(jù)處理的問題，提出了一種基于DAG的數(shù)據(jù)溯源方法，實現(xiàn)了對Hive中數(shù)據(jù)的溯源。最后通過實驗對該方法的有效性以及性能進(jìn)行了測試與驗證。

發(fā)表于：11/19/2020 10:46:00 AM

基于零信任架構(gòu)的IoT設(shè)備身份認(rèn)證機制研究[通信與網(wǎng)絡(luò)][信息安全]

隨著物聯(lián)網(wǎng)技術(shù)與互聯(lián)網(wǎng)經(jīng)濟(jì)的發(fā)展，新技術(shù)態(tài)勢下的網(wǎng)絡(luò)安全威脅和風(fēng)險不斷涌現(xiàn)與擴(kuò)散，新型應(yīng)用場景致使網(wǎng)絡(luò)安全邊界模糊、增加新的暴露面,安全風(fēng)險不容忽視。提出基于零信任技術(shù)，利用區(qū)塊鏈、設(shè)備指紋、PKI/DPKI、人工智能、輕量化安全協(xié)議和算法等技術(shù)作為身份安全基礎(chǔ)設(shè)施，重點對身份安全基礎(chǔ)設(shè)施、物聯(lián)網(wǎng)安全網(wǎng)關(guān)、感知網(wǎng)關(guān)節(jié)點設(shè)備等身份認(rèn)證方案進(jìn)行設(shè)計和優(yōu)化。最后通過實驗與分析，驗證方案的實際效果。

發(fā)表于：11/19/2020 10:40:00 AM

基于重點突發(fā)詞的突發(fā)事件檢測方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

由于突發(fā)事件具有突發(fā)性、聚眾性、破壞性，針對微博中發(fā)布的突發(fā)事件，避免由突發(fā)事帶來一系列社會問題，提出一種結(jié)合用戶影響力和突發(fā)詞的突發(fā)事件檢測方法。為提取大量重點突發(fā)詞，使用詞影響力和詞狀態(tài)兩個指標(biāo)計算詞突發(fā)值，將大于一定閾值的詞作為突發(fā)詞；采用凝聚層次聚類方法，對突發(fā)詞集的共現(xiàn)矩陣進(jìn)行聚類得到熱點話題。之后將結(jié)果放入訓(xùn)練好的分類器對熱點話題進(jìn)行分類,最終得到突發(fā)事件及其類型。使用真實的微博數(shù)據(jù)對其進(jìn)行實驗，對比使用分類器前后的實驗結(jié)果，該方法可以有效過濾一般熱點話題，提高突發(fā)事件檢測的準(zhǔn)確率。

發(fā)表于：11/19/2020 10:33:00 AM

面向低功耗無線傳感器網(wǎng)絡(luò)的智能拓?fù)淇刂扑惴?>
</a>
</div>
<div id=

面向低功耗無線傳感器網(wǎng)絡(luò)的智能拓?fù)淇刂扑惴╗通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

降低無線傳感器節(jié)點能耗是當(dāng)下拓?fù)渌惴ㄑ芯康闹攸c。通過對功率控制型算法進(jìn)行研究后發(fā)現(xiàn)，現(xiàn)有算法忽略多跳中繼區(qū)域問題，從而增加節(jié)點的能耗。因此提出面向低功耗的智能拓?fù)淇刂扑惴?，該算法通過收集各節(jié)點功耗反饋信息后形成最大鄰近節(jié)點拓?fù)洌闅v所有鄰近節(jié)點后選擇能量消耗最小的路徑。對網(wǎng)絡(luò)連通性、節(jié)點度和能量消耗等性能指標(biāo)仿真分析，算法能夠消除不合理的多跳，降低每個節(jié)點的最大發(fā)射功率，維護(hù)全網(wǎng)絡(luò)的連通性，理論上具有一定的實際應(yīng)用價值。

發(fā)表于：11/19/2020 10:25:00 AM

基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)異常檢測系統(tǒng)設(shè)計與實現(xiàn)[通信與網(wǎng)絡(luò)][信息安全]

入侵檢測技術(shù)是網(wǎng)絡(luò)安全防御的核心技術(shù)之一。由于網(wǎng)絡(luò)承載的帶寬流量日益增多，入侵檢測系統(tǒng)需要提供快速的檢測能力。Snort入侵檢測系統(tǒng)依靠將抓取的數(shù)據(jù)與規(guī)則匹配來判斷是否受到攻擊，因此規(guī)則的好壞決定了系統(tǒng)性能的高低。結(jié)合數(shù)據(jù)挖掘技術(shù)，設(shè)計實現(xiàn)一種基于關(guān)聯(lián)規(guī)則的關(guān)聯(lián)分析器插件來增強Snort對入侵的識別能力。首先利用Apriori對Snort產(chǎn)生的告警日志進(jìn)行數(shù)據(jù)挖掘，搜索隱藏的攻擊模式；然后，將關(guān)聯(lián)規(guī)則轉(zhuǎn)化為相應(yīng)的Snort規(guī)則。最后，利用SYN Flood攻擊測試規(guī)則增強的Snort系統(tǒng)的性能，結(jié)果表明，改進(jìn)后的Snort能夠提高對SYN Flood攻擊的檢測效率。

發(fā)表于：11/18/2020 9:02:00 AM

一種六邊形分形寬帶天線的設(shè)計[其他][其他]

提出了一款應(yīng)用于L波段、S波段和C波段的六邊形分形寬帶微帶天線，該天線采用二階六邊形Sierpinski分形結(jié)構(gòu)作為輻射貼片，使用微帶饋電技術(shù)進(jìn)行饋電。通過仿真分析與模型優(yōu)化，天線的最終尺寸為36 mm×28 mm×1.6 mm，-10 dB阻抗相對帶寬為150.3%(1.10~7.76 GHz)，在1.10 GHz處有最大峰值增益7.80 dB。該天線具有結(jié)構(gòu)簡單、體積小、帶寬大、增益良好的特點，可以適用于各種寬頻帶通信系統(tǒng)中。

發(fā)表于：11/18/2020 8:54:00 AM

基于Linux的電力網(wǎng)關(guān)的設(shè)計與實現(xiàn)[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

隨著智能電網(wǎng)建設(shè)的持續(xù)發(fā)展，智能用電領(lǐng)域也不斷發(fā)展。針對電力行業(yè)用戶端的需求，設(shè)計了一種基于Linux操作系統(tǒng)的電力網(wǎng)關(guān)。該網(wǎng)關(guān)采用AM335x作為處理器，運用嵌入式編程實現(xiàn)網(wǎng)關(guān)相關(guān)功能，將智能電網(wǎng)用戶端電力設(shè)備的Modbus協(xié)議轉(zhuǎn)換成MQTT協(xié)議，再通過4G模塊將數(shù)據(jù)轉(zhuǎn)輸至云平臺。經(jīng)測試，該電力網(wǎng)關(guān)運行穩(wěn)定高效，實現(xiàn)了傳統(tǒng)有線網(wǎng)絡(luò)和無線網(wǎng)絡(luò)的數(shù)據(jù)交互以及遠(yuǎn)程控制，滿足了電力行業(yè)用戶端的業(yè)務(wù)需求，同時為后期電力數(shù)據(jù)分析的數(shù)據(jù)來源提供了便捷途徑。

發(fā)表于：11/18/2020 8:46:00 AM

基于特征生成方法的Android惡意軟件檢測方法[測試測量][信息安全]

針對傳統(tǒng)特征工程中需要大量專家經(jīng)驗和人力的不足，研究了基于特征生成方法的Android惡意軟件檢測方法。基于UC Berkeley的ExploreKit自動特征生成方法，通過對原始特征計算獲得大量候選特征，根據(jù)候選特征的元特征預(yù)測其性能并進(jìn)行評估排序，使用貪心算法從中選出能夠提升模型性能的新特征。從APK中提取了敏感API、危險權(quán)限等多種特征，在根據(jù)信息增益對特征進(jìn)行篩選后，輸入到特征生成框架中，使用C4.5、SVM和隨機森林等作為分類模型。實驗證明，該方法使錯誤率平均降低了24.6%，準(zhǔn)確率達(dá)到了96.5%，曲線下面積(Area Under Curve，AUC)達(dá)到了0.99。

發(fā)表于：11/17/2020 9:24:00 AM