检索结果-内蒙古大学图书馆

计算机工程与设计 2024年第8期45卷 2263-2271页

作者：杜建明董国芳云南民族大学电气信息工程学院云南昆明650504

针对现有数据结构不能很好支持动态大数据流及传统Merkle哈希树验证路径过长及单点故障问题,提出一种基于自适应Merkle哈希树的动态数据流审计方案。使用陷门哈希函数构建一个新的自适应Merkle哈希树数据认证结构存储动态数据流,自适应... 详细信息

针对现有数据结构不能很好支持动态大数据流及传统Merkle哈希树验证路径过长及单点故障问题,提出一种基于自适应Merkle哈希树的动态数据流审计方案。使用陷门哈希函数构建一个新的自适应Merkle哈希树数据认证结构存储动态数据流,自适应扩展树的深度。引入局部权威根节点,解决验证路径过长和单点故障问题。采用BLS签名技术和随机掩蔽技术,保证数据完整性验证过程的隐私保护。安全性分析证明了所提方案是可证明安全的,实验结果表明,所提方案能够高效实现云端数据完整性验证,确定了最佳叶子节点存储区间。

关键词：云存储陷门哈希函数动态数据流 BLS签名随机掩蔽技术隐私保护动态更新

来源：评论

学校读者我要写书评

暂无评论

有新类的动态数据流分类算法研究

引用

计算机科学与探索 2021年第1期15卷 132-140页

作者：武炜杰张景祥江南大学理学院江苏无锡214122

针对有新类的动态数据流分类算法检测新类性能不高的问题,提出一种基于k近邻的完全随机森林算法(KCRForest)。该算法利用动态数据流中已知类样本构建完全随机森林的完全随机树,并根据叶节点平均路径长度将样本空间分成正常区域与异常区... 详细信息

针对有新类的动态数据流分类算法检测新类性能不高的问题,提出一种基于k近邻的完全随机森林算法(KCRForest)。该算法利用动态数据流中已知类样本构建完全随机森林的完全随机树,并根据叶节点平均路径长度将样本空间分成正常区域与异常区域。通过落入异常区域中样本的k近邻计算该样本离群值。若样本离群值大于设定阈值,则判断样本为新类,否则为已知类。落入异常区域的已知类样本由该样本的k近邻得到样本标签分布,否则取该区域中原训练样本标签分布,投票得到样本标签。当新类样本检测达到一定数量时,利用新类样本信息更新模型,便于检测其他新类。为了验证KCRForest算法检测新类的有效性,分别在4个UCI数据集上进行实验,并与已有算法进行比较。结果表明该算法的新类检测性能优于或与iForest+SVM算法、LOF+SVM算法相当,分类准确率明显高于SENCForest算法。

关键词：新类检测完全随机森林动态数据流

来源：评论

学校读者我要写书评

暂无评论

基于FPGA的分子动力学模拟动态数据流分析

引用

科学与信息化 2021年第15期 55-56页

作者：吴子刚柴志雷江南大学人工智能与计算机学院江苏无锡 214000

在分子动力学模拟众多加速平台中脱颖而出的FPGA却因为传统RTL较高的编程难度和设计时间得不到广泛应用.本文从FPGA新一代编程方案高层次综合(HLS)出发,探寻加速分子动力学模拟中关键路径的一些优化手段,发现了关键路径中存在动态数据... 详细信息

在分子动力学模拟众多加速平台中脱颖而出的FPGA却因为传统RTL较高的编程难度和设计时间得不到广泛应用.本文从FPGA新一代编程方案高层次综合(HLS)出发,探寻加速分子动力学模拟中关键路径的一些优化手段,发现了关键路径中存在动态数据流行为,分析得出了目前HLS还不能很好地描述这种动态数据流行为.

关键词：分子动力学模拟 FPGA 动态数据流高层次综合

来源：评论

学校读者我要写书评

暂无评论

一种网络入侵行为检测的动态数据流聚类方法

一种网络入侵行为检测的动态数据流聚类方法

引用

作者：王茂竹杨浩陈杰王竹 610041 四川省成都市武侯区一环路南一段24号

本发明涉及网络安全领域，具体涉及一种网络入侵行为检测的动态数据流聚类方法，针对网络入侵行为检测的数据对象,将稀疏约束整合到数据对象的检测中学习，得到稀疏矩阵；拟议字典初始化策略；基于所述稀疏矩阵采用所述字典初始化策略... 详细信息

标准号: CN117150322A

本发明涉及网络安全领域，具体涉及一种网络入侵行为检测的动态数据流聚类方法，针对网络入侵行为检测的数据对象,将稀疏约束整合到数据对象的检测中学习，得到稀疏矩阵；拟议字典初始化策略；基于所述稀疏矩阵采用所述字典初始化策略将知识有效地传递给当前的滑动窗口，该方法涉及网络入侵行为检测的数据对象聚类，充分利用了稀疏表示技术来利用数据对象的内在特征，自动选择相邻数据对象的数量，保证高度相关的数据对象被表示在一起，将以前学到的知识传递给当前的滑动窗口，大大丰富了网络数据对象之间的关系，提高了数据流的聚类性能，适当的字典和滑动窗口大小可以用来控制的整体计算成本，本方法迭代次数相对较少。

关键词：数据对象网络入侵行为滑动窗口聚类字典初始化检测稀疏矩阵网络安全领域动态数据流数据流网络数据稀疏表示相邻数据整体计算知识传递自动选择有效地迭代稀疏整合字典传递保证学习

来源：评论

学校读者我要写书评

暂无评论

基于动态数据流复合铺层材料试样剩余承载能力预测方法

基于动态数据流复合铺层材料试样剩余承载能力预测方法

引用

作者：刘鹏飞陈泓宇 310058 浙江省杭州市西湖区余杭塘路866号

本发明涉及复合材料无损检测与健康监测研究领域，旨在提供一种基于动态数据流复合铺层材料试样剩余承载能力预测方法。包括：收集声发射信号数据并进行整理；针对信号的传统时频特征和累计特征进行重要性评价；建立并训练卷积神经网络... 详细信息

标准号: CN115856099A

本发明涉及复合材料无损检测与健康监测研究领域，旨在提供一种基于动态数据流复合铺层材料试样剩余承载能力预测方法。包括：收集声发射信号数据并进行整理；针对信号的传统时频特征和累计特征进行重要性评价；建立并训练卷积神经网络模型，利用该模型预测复合铺层材料试样剩余承载能力。本发明建立了基于特征评价和卷积神经网络的端部缺口FRP层合板剩余承载能力预测模型，根据试样产生的声发射数据流实现了试样剩余承载能力的预测。与常规非累积特征相比，本发明利用累积特征能更加准确地定性描述ENF试样的损伤过程。本发明能够基于NCA算法不断修正模型保证预测的准确性，使其逐渐趋于实际值。

关键词：剩余承载能力卷积神经网络材料试样复合铺层预测动态数据流声发射信号重要性评价端部缺口健康监测模型预测特征评价无损检测修正模型预测模型数据流复合材料声发射合板时频算法定性损伤保证研究

来源：评论

学校读者我要写书评

暂无评论

基于动态数据流图的航天器软件构件需求分析及建模方法

基于动态数据流图的航天器软件构件需求分析及建模方法

引用

作者：何熊文徐明伟周志成詹盼盼阎冬顾明程博文齐征杨丽君李佳津李文娟 100094 北京市海淀区友谊路104号

本发明公开了基于动态数据流图的航天器软件构件需求分析及建模方法，涉及航天器综合电子技术领域，解决了传统数据流图难以表达复杂航天器系统构件内部模块以及构件之间的数据传递关系问题。包括如下步骤：针对航天器软件中的数据，构... 详细信息

标准号: CN115454381A

本发明公开了基于动态数据流图的航天器软件构件需求分析及建模方法，涉及航天器综合电子技术领域，解决了传统数据流图难以表达复杂航天器系统构件内部模块以及构件之间的数据传递关系问题。包括如下步骤：针对航天器软件中的数据，构建动态的数据流图。对动态的数据流图进行构件需求分析，获得数据流图中的构件。针对数据流图中的构件进行构件概要设计。依据构件概要设计，对构件建立构件模型，构件模型用于在后续有工具支持后，进行可视化组装过程中的构件验证。

关键词：数据流图航天器概要设计构件模型需求分析动态的综合电子技术传统数据流动态数据流航天器系统工具支持关系问题内部模块软件构件数据传递组装过程可视化构建建模验证

来源：评论

学校读者我要写书评

暂无评论

面向动态数据流的改进OSELM算法研究

引用

北京电子科技学院学报 2020年第3期28卷 1-12页

作者：乔延松贺泽华赵绪营北京电子科技学院北京市100070

随着信息化时代的发展,动态数据流分析成为一个值得深入研究的课题,而在线学习方法是解决这一问题的关键。在众多的在线学习算法中,在线贯序超限学习机(Online sequential Extreme Learning Machine,OSELM)作为一种优秀的在线学习算法,... 详细信息

随着信息化时代的发展,动态数据流分析成为一个值得深入研究的课题,而在线学习方法是解决这一问题的关键。在众多的在线学习算法中,在线贯序超限学习机(Online sequential Extreme Learning Machine,OSELM)作为一种优秀的在线学习算法,具有着泛化能力强,学习速度快等明显优点,在动态数据流分析中得到了广泛应用。本文首先介绍了OSELM的理论基础和算法实现,然后以动态数据流分析为应用背景,对引入遗忘因子和正则化技术的OSELM改进算法进行了研究。接着对原始OSELM算法和各种改进的OSELM算法进行了实验比较与分析,得出的实验结论如下:发现遗忘因子能减少模型的在线预测误差,正则化技术可以解决因病态矩阵带来的模型不稳定问题。最后总结出基于正则化与遗忘因子的在线学习模型最适合工程应用的结论。

关键词：动态数据流在线学习 OSELM 正则化遗忘因子

来源：评论

学校读者我要写书评

暂无评论

基于动态数据流实时趋势分析的高速公路拥堵识别方法

基于动态数据流实时趋势分析的高速公路拥堵识别方法

引用

作者：曹从咏周如心孙芮刘晨伏筱堃 210094 江苏省南京市孝陵卫200号

本发明公开了一种基于动态数据流实时趋势分析的高速公路拥堵识别方法，包括以下步骤：确定拥堵和非拥堵状态下车速和车流量的阈值；提取车辆速度、车流量参数，并对数据进行归一化处理；用不断到达的数据扩充当前数据段；采用增量递推... 详细信息

标准号: CN113034892B

本发明公开了一种基于动态数据流实时趋势分析的高速公路拥堵识别方法，包括以下步骤：确定拥堵和非拥堵状态下车速和车流量的阈值；提取车辆速度、车流量参数，并对数据进行归一化处理；用不断到达的数据扩充当前数据段；采用增量递推最小二乘算法，进行递推回归建模；基于动态规划的广义似然比检验，对变化点进行检测，判断是否需要更新数据段；将预测值与设定的阈值进行比较，识别拥堵状态。本发面采用基于动态数据流的实时趋势分析算法进行高速公路拥堵识别，提取趋势变化信息，适用于高速公路检测器中大量连续到达、快速变化的数据，为监控对象提供早期预警、状态评估和决策支持。

关键词：拥堵实时趋势分析动态数据流拥堵状态车流量递推最小二乘算法高速公路检测器发面高速公路归一化处理动态规划更新数据监控对象决策支持快速变化趋势变化数据扩充早期预警状态评估变化点数据段似然比递推建模算法下车回归检测预测检验

来源：评论

学校读者我要写书评

暂无评论

基于动态数据流的粗粒度可重构阵列设计

引用

现代计算机 2020年第6期26卷 32-35页

作者：吴昊上海交通大学上海200240

为提高粗粒度可重构阵列中运算资源的利用率,基于动态数据流的执行方式设计一个粗粒度可重构阵列,通过令数据携带标记的方式允许不同循环迭代的数据在阵列上乱序执行,充分地利用阵列上的计算资源。基于C++平台设计一个阵列仿真器以模拟... 详细信息

为提高粗粒度可重构阵列中运算资源的利用率,基于动态数据流的执行方式设计一个粗粒度可重构阵列,通过令数据携带标记的方式允许不同循环迭代的数据在阵列上乱序执行,充分地利用阵列上的计算资源。基于C++平台设计一个阵列仿真器以模拟阵列的执行过程,仿真结果表明动态数据流驱动的方式能够有效地提升性能,并且随着标记的增多,整体的性能提升越显著。

关键词：动态数据流粗粒度可重构阵列乱序执行

来源：评论

学校读者我要写书评

暂无评论

基于堆叠习惯化自编码器的高维动态数据流异常检测方法

基于堆叠习惯化自编码器的高维动态数据流异常检测方法

引用

作者：肖如良黄若鹤邹利琼张仕 350007 福建省福州市仓山区上三路8号

本发明涉及一种基于堆叠习惯化自编码器的高维动态数据流异常检测方法，包括初始化阶段和在线异常检测阶段；在初始化阶段，通过采用静态异常检测算法对历史数据进行异常检测，生成异常候选集和正常数据，并利用正常数据生成的微聚类训... 详细信息

标准号: CN115130600A

本发明涉及一种基于堆叠习惯化自编码器的高维动态数据流异常检测方法，包括初始化阶段和在线异常检测阶段；在初始化阶段，通过采用静态异常检测算法对历史数据进行异常检测，生成异常候选集和正常数据，并利用正常数据生成的微聚类训练堆叠习惯化自编码器；在在线异常检测阶段，通过滑动窗口对动态数据流进行分隔，使用堆叠习惯化自编码器对当前窗口数据和异常候选集进行数据降维，然后使用联合概率密度估计器进行在线异常检测，异常检测产生真实的异常值、异常候选集和正常数据，正常数据用于持续更新堆叠习惯化自编码器，异常候选集用于下一个窗口的异常检测。该方法有利于提高高维动态数据流异常检测效果，降低异常检测时间。

关键词：异常检测正常数据编码器候选集习惯化堆叠动态数据流初始化阶段高维概率密度估计异常检测算法窗口数据滑动窗口历史数据数据降维分隔聚类更新联合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：