草莓丝瓜向日葵樱桃榴莲,亚洲日韩国产精品无码Av

基于魚叉式換檔同步器的純電動(dòng)汽車動(dòng)態(tài)分析[其他][汽車電子]

為了提高純電動(dòng)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(dòng)汽車動(dòng)力總成系統(tǒng)。結(jié)合魚叉式同步器的動(dòng)力學(xué)模型，研究傳動(dòng)系統(tǒng)在換檔過程中的瞬態(tài)響應(yīng)，建立動(dòng)力總成系統(tǒng)的原始動(dòng)力學(xué)模型。同時(shí)，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(shí)驗(yàn)結(jié)果表明，新型魚叉式同步器的動(dòng)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(jì)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(dòng)機(jī)的高性能匹配算法[其他][其他]

原始AC自動(dòng)機(jī)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(shí)時(shí)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(diǎn)邊界字符集，并將字符子串、切割點(diǎn)邊界字符集輸入至線程池中進(jìn)行匹配，從而實(shí)現(xiàn)字符串的并行化加速處理。實(shí)驗(yàn)結(jié)果表明，與原始AC自動(dòng)機(jī)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(jì)、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(jī)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(shí)現(xiàn)了對Hive中數(shù)據(jù)的溯源。最后通過實(shí)驗(yàn)對該方法的有效性以及性能進(jìn)行了測試與驗(yàn)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(jī)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(xiǎn)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(xiǎn)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(diǎn)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(diǎn)設(shè)備等身份認(rèn)證方案進(jìn)行設(shè)計(jì)和優(yōu)化。最后通過實(shí)驗(yàn)與分析，驗(yàn)證方案的實(shí)際效果。

發(fā)表于：11/19/2020 10:40:00 AM

基于重點(diǎn)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(huì)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(diǎn)突發(fā)詞，使用詞影響力和詞狀態(tài)兩個(gè)指標(biāo)計(jì)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(diǎn)話題。之后將結(jié)果放入訓(xùn)練好的分類器對熱點(diǎn)話題進(jìn)行分類,最終得到突發(fā)事件及其類型。使用真實(shí)的微博數(shù)據(jù)對其進(jìn)行實(shí)驗(yàn)，對比使用分類器前后的實(shí)驗(yàn)結(jié)果，該方法可以有效過濾一般熱點(diǎn)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(diǎn)能耗是當(dāng)下拓?fù)渌惴ㄑ芯康闹攸c(diǎn)。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(diǎn)的能耗。因此提出面向低功耗的智能拓?fù)淇刂扑惴ǎ撍惴ㄍㄟ^收集各節(jié)點(diǎn)功耗反饋信息后形成最大鄰近節(jié)點(diǎn)拓?fù)?，遍歷所有鄰近節(jié)點(diǎn)后選擇能量消耗最小的路徑。對網(wǎng)絡(luò)連通性、節(jié)點(diǎn)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(gè)節(jié)點(diǎn)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(shí)際應(yīng)用價(jià)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(jì)與實(shí)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(jì)實(shí)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(qiáng)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(qiáng)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(jì)[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(diǎn)，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(jì)與實(shí)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(jì)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(yùn)用嵌入式編程實(shí)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(tái)。經(jīng)測試，該電力網(wǎng)關(guān)運(yùn)行穩(wěn)定高效，實(shí)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(shí)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(yàn)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?；赨C Berkeley的ExploreKit自動(dòng)特征生成方法，通過對原始特征計(jì)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(xiǎn)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(jī)森林等作為分類模型。實(shí)驗(yàn)證明，該方法使錯(cuò)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