检索结果-内蒙古大学图书馆

电子设计工程 2021年第16期29卷 6-10页

作者：周颖沈勇范菁吴元凯云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650500

针对传统PLC教学中存在忽视学生创新和知识应用能力的问题,采用PLC项目式教学的模式,以洗衣机控制系统项目为例,引入有限状态机的设计理念,详细介绍了PLC结构化编程方法,并将WINCC组态软件引入到PLC项目式教学中。实践证明,理论与实例... 详细信息

针对传统PLC教学中存在忽视学生创新和知识应用能力的问题,采用PLC项目式教学的模式,以洗衣机控制系统项目为例,引入有限状态机的设计理念,详细介绍了PLC结构化编程方法,并将WINCC组态软件引入到PLC项目式教学中。实践证明,理论与实例相结合的PLC项目式教学编程方法解决了传统课堂中仅传授抽象概念的问题,极大地加深了学生对PLC编程的理解,提高了学生应用PLC知识的能力,具有优良的教学效果。

关键词：可编程逻辑控制器项目式教学方法有限状态机结构化编程

来源：评论

学校读者我要写书评

暂无评论

“罪行极其严重”的刑法教义学解读——以死刑限制论刑事政策演绎为视角

引用

牡丹江大学学报 2021年第6期30卷 28-33页

作者：刘念曲金帅湘潭大学法学院湖南湘潭411105 云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650500

随着死刑限制论刑事政策的提出和不断发展,坚持“少杀、慎杀”,严格限制与削减死刑的适用,确保社会和谐稳定,已成为我国理论界和实务界的共识。除出台各种程序性保障举措外,我国刑法修正案还将“死刑只适用于罪大恶极的犯罪分子”的规... 详细信息

随着死刑限制论刑事政策的提出和不断发展,坚持“少杀、慎杀”,严格限制与削减死刑的适用,确保社会和谐稳定,已成为我国理论界和实务界的共识。除出台各种程序性保障举措外,我国刑法修正案还将“死刑只适用于罪大恶极的犯罪分子”的规定进一步修改为“死刑只适用罪行极其严重的犯罪分子”,以此来契合死刑限制论的刑法政策。但是刑法条文对“罪行极其严重”的立法表述过于抽象模糊,使得司法者对于“罪行极其严重”的认定有极大的自由裁量权,同案不同判的局面时有出现。为了使“罪行极其严重”发挥死刑限制的功效,有必要在刑法教义学的框架内对其进行合理解读,明确“罪行极其严重”的认定标准和考量因素,使之达到政治效果、法律效果和社会效果的统一。

关键词： “罪行极其严重” 刑法教义学死刑限制论刑事政策

来源：评论

学校读者我要写书评

暂无评论

网络反恐的情报工作研究

引用

网络安全技术与应用 2021年第6期 146-148页

作者：刘爱娇曲金帅云南警官学院法学院云南650223 云南民族大学云南省高校通信与信息安全灾备重点实验室云南650500

在信息时代,网络与社会的各种功能紧密相连,也与人的生活密不可分。在网络技术飞速发展的过程中,恐怖主义分子牢牢地把握住了这个机会,将恐怖主义犯罪与网络结合起来,使其变得更加具有威胁性,因此网络恐怖主义犯罪成为全世界必须正视的... 详细信息

在信息时代,网络与社会的各种功能紧密相连,也与人的生活密不可分。在网络技术飞速发展的过程中,恐怖主义分子牢牢地把握住了这个机会,将恐怖主义犯罪与网络结合起来,使其变得更加具有威胁性,因此网络恐怖主义犯罪成为全世界必须正视的问题。本文对网络恐怖主义犯罪的定义、表现形式进行了详细的研究,并在情报的搜集、分析和研判三个方面提出了相应的建议。

关键词：网络恐怖主义犯罪情报

来源：评论

学校读者我要写书评

暂无评论

网络恐怖主义犯罪的制裁策略研究

引用

网络安全技术与应用 2021年第2期 156-158页

作者：刘爱娇曲金帅云南警官学院法学院云南650223 云南民族大学电气信息工程学院云南650500 云南省高校信息与安全灾备重点实验室云南650223

在信息时代,网络与社会的各种功能紧密相连,也与人的生活密不可分。在网络技术飞速发展的过程中,恐怖主义分子牢牢地把握住了这个机会,将恐怖主义犯罪与网络结合起来,使其变得更加具有威胁性,至此网络恐怖主义犯罪成了全世界必须正视的... 详细信息

在信息时代,网络与社会的各种功能紧密相连,也与人的生活密不可分。在网络技术飞速发展的过程中,恐怖主义分子牢牢地把握住了这个机会,将恐怖主义犯罪与网络结合起来,使其变得更加具有威胁性,至此网络恐怖主义犯罪成了全世界必须正视的问题。与传统恐怖主义犯罪相比,网络恐怖主义犯罪具有成本低廉、手段隐蔽、高智能性、严重危害性等特点,在科技飞速发展的今天,随着互联网的全面普及,研究网络恐怖主义犯罪的特点与现状,对于找到问题所在并找到相应的措施对其进行完善有着重大的意义。

关键词：网络恐怖主义犯罪策略

来源：评论

学校读者我要写书评

暂无评论

基于特征提取的工业控制系统入侵检测研究

引用

云南民族大学学报（自然科学版） 2021年第6期30卷 592-600页

作者：倪旻曲金帅范菁刘译文李鸿邱阳云南民族大学电气信息工程学院云南昆明650504 云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650504 云南民族大学云南省高校无线传感器网络重点实验室云南昆明650504 云南民族大学社会学院云南昆明650504

为解决工业控制系统网络环境中不同类型网络流量的不平衡性、网络数据的高维性、非线性等问题,采用自适应合成采样(adaptive synthetic sampling,ADASYN)技术以克服工控入侵检测系统中普遍存在的类不平衡问题;用随机森林(random forest,... 详细信息

为解决工业控制系统网络环境中不同类型网络流量的不平衡性、网络数据的高维性、非线性等问题,采用自适应合成采样(adaptive synthetic sampling,ADASYN)技术以克服工控入侵检测系统中普遍存在的类不平衡问题;用随机森林(random forest,RF)算法对工控网络入侵特征进行提取,递归特征消除(recursive feature elimination,RFE)方法用于选择影响工控网络入侵检测性能的主要特征;利用粒子群算法(particle swarm optimization,PSO)优化DBN的隐含层节点数,得到最优的DBN结构,构成基于深度信念网络(deep belief network,DBN)的分类模型,将其实践在工控入侵检测标准数据集.实验结果表明,该模型显著提升了工控入侵检测的性能.

关键词：工控入侵检测自适应合成采样深度信念网络特征提取全局寻优

来源：评论

学校读者我要写书评

暂无评论

基于深度神经决策森林的新闻标题分类

引用

云南民族大学学报（自然科学版） 2020年第5期29卷 472-479页

作者：王渤茹范菁张王策李晨光倪旻云南民族大学电气信息工程学院云南昆明650500 云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650500

由于短文本特征较少,传统的机器学习方法直接应用到短文本分类上,准确率往往不高.新闻标题相较于一般的短文本来说特征更少,在分类过程中难以提高准确率.首先采用3种方式对新闻标题的特征进行扩展,包括采用word2vec的方法寻找新闻标题... 详细信息

由于短文本特征较少,传统的机器学习方法直接应用到短文本分类上,准确率往往不高.新闻标题相较于一般的短文本来说特征更少,在分类过程中难以提高准确率.首先采用3种方式对新闻标题的特征进行扩展,包括采用word2vec的方法寻找新闻标题中每个词在语义空间最相近的词,将最相近的词作为标题扩展词;采用fp-growth方法挖掘外部语料库的频繁项对新闻标题进行扩展;字向量和词向量两种标题表达方式扩展语义信息.其次提出了深度神经决策森林的分类算法.实验结果表明使用字词向量的双路卷积神经网络相对于单一词向量的卷积神经网络特征提取能力更强;使用深度神经决策森林算法在扩展后新闻标题验证集上的分类准确率达82.2%,比仅采用双路卷积神经网络分类的准确率提高约百分之二.

关键词：新闻标题特征扩展频繁词项挖掘卷积神经网络决策森林分类

来源：评论

学校读者我要写书评

暂无评论

工业控制系统信息安全防护技术研究综述

引用

云南民族大学学报（自然科学版） 2020年第6期29卷 619-627页

作者：倪旻范菁李晨光吴元凯李鸿云南民族大学电气信息工程学院云南昆明650504 云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650504 云南民族大学云南省高校无线传感器网络重点实验室云南昆明650504

工业控制系统(ICS)作为国家基础设施的核心控制设备,其安全关系国计民生.然而,工业控制系统与外部互联网世界的交互作用日益增强,这使得它们成为各种网络攻击的诱人目标,对工业控制系统的安全提出了巨大的需求.与IT系统相比,工业控制系... 详细信息

工业控制系统(ICS)作为国家基础设施的核心控制设备,其安全关系国计民生.然而,工业控制系统与外部互联网世界的交互作用日益增强,这使得它们成为各种网络攻击的诱人目标,对工业控制系统的安全提出了巨大的需求.与IT系统相比,工业控制系统在系统特性、安全理念、防护对象、性能要求和系统运行等方面存在显著不同,因此,单一措施和技术不可能实现工业控制系统信息安全这一目标.列举出了工业控制系统的安全威胁,着重阐述了工业控制系统信息安全关键防护技术,对不同的优缺点进行了比较和分析,从而展望未来工业控制系统信息安全防护技术的发展趋势.

关键词：工业控制系统独特性安全威胁防护技术

来源：评论

学校读者我要写书评

暂无评论

基于线性LTSA算法维数约减的软件缺陷预测研究

引用

云南民族大学学报（自然科学版） 2019年第1期28卷 77-80页

作者：王玉红范菁曲金帅冯景义云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650500

软件缺陷预测是软件开发过程中的一项重要技术,针对软件缺陷数据集的高维、小采样造成预测精度下降的问题,采用线性局部切空间排列算法对数据集降维处理,选用支持向量机作为基础分类器进行二值分类,建立软件缺陷预测模型,采用二维混淆... 详细信息

软件缺陷预测是软件开发过程中的一项重要技术,针对软件缺陷数据集的高维、小采样造成预测精度下降的问题,采用线性局部切空间排列算法对数据集降维处理,选用支持向量机作为基础分类器进行二值分类,建立软件缺陷预测模型,采用二维混淆矩阵评价模型的预测精度.实验结果表明,与其他模型相比,该模型可用较少的邻域点约简至更低的维度,不需要重新学习样本空间的流行几何结构,直接映射新的样本点,且预测时间耗费成本由13. 726 9 s降低至6. 217 s,给定参数区间寻优时间耗费由267. 442 1 s降低至165. 98 s,有效提高了软件缺陷预测的效率.

关键词：软件缺陷预测线性LTSA算法流形学习支持向量机

来源：评论

学校读者我要写书评

暂无评论

Spark框架下DA优化的教学大数据分析算法

引用

重庆科技学院学报（自然科学版） 2020年第5期22卷 86-90页

作者：唐立吴新胜李亚平曲金帅安徽经济管理学院合肥230031 合肥工业大学管理学院合肥230009 云南民族大学云南省高校信息与通信安全灾备重点实验室昆明650500

为提升教学大数据分析的精确度和效率,提出了基于Spark框架的DA优化BP神经网络的算法。通过DA全局寻找BP神经网络的最优权值,以Spark的内存计算机制并行运行DA优化BP神经网络算法。仿真实验结果表明,这种算法用于教学大数据分析可以获... 详细信息

为提升教学大数据分析的精确度和效率,提出了基于Spark框架的DA优化BP神经网络的算法。通过DA全局寻找BP神经网络的最优权值,以Spark的内存计算机制并行运行DA优化BP神经网络算法。仿真实验结果表明,这种算法用于教学大数据分析可以获得更高的精确度,而且运算耗时较少。

关键词：教学大数据分析分布式算法 BP神经网络 Spark平台

来源：评论

学校读者我要写书评

暂无评论

基于HBase/Spark的教学大数据存储及索引模型研究

引用

云南民族大学学报（自然科学版） 2020年第5期29卷 486-492,507页

作者：唐立李亚平曲金帅安徽经济管理学院信息工程系安徽合肥230031 安徽经济管理学院教务处安徽合肥230031 合肥工业大学管理学院安徽合肥230009 云南民族大学云南省高校信息与通信安全灾备重点实验室云南昆明650500

为解决海量教学数据的高效处理和管理,提出基于HBase/Spark的教学大数据存储及索引模型设计.先基于组合行键构建HBase表,根据教学Course分类进行预分区,并构建cost评分函数,来检测并迁移负载,达到解决数据存储时写热点和负载均衡的问题... 详细信息

为解决海量教学数据的高效处理和管理,提出基于HBase/Spark的教学大数据存储及索引模型设计.先基于组合行键构建HBase表,根据教学Course分类进行预分区,并构建cost评分函数,来检测并迁移负载,达到解决数据存储时写热点和负载均衡的问题.语义解析、组合行键索引查询、Spark并行属性条件过滤实现教学大数据高效查询.实验证明基于HBase/Spark的教学大数据的模型,能够实现更加高效的教学大数据访存管理.

关键词： HBase Spark 组合行键

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：