基于HTML5的移动终端布局解析器的设计与实现

随着移动互联网的快速发展,移动终端用户交互页面个性化需求越来越强烈,由于用户数量巨大,交互场景众多,在移动终端的个性设置、布局修改等方面涉及系统开发的工作量较大,影响应用的扩展性和灵活性。该文提出一种基于HTML5的移动终端交互界面的布局解析器设计方法,根据用户需求,分析交互页面布局特性和交互逻辑,改进页面交互的流程,引入了定时预先和排序优先的机制,通过标记化和树构建,构建了一个通用的布局解析器。实验测试,使用该方法,模拟移动终端用户并发操作,平均响应时间减少45%左右,成功率提升30%左右。通过对项目度量数据进行分析,软件开发过程中的各个阶段过程的工作量有大幅减少,平均减少了57%。     

基于多尺度粗糙集模型的决策树在高校就业数据分析中的应用

为解决目前常用于就业数据分析的C4.5算法、基于粗糙集等的决策树生成算法均无法很好地处理决策精度需求不同和噪声适应能力的问题,运用基于多尺度粗糙集模型的决策树算法于于高校就业数据分析,并以某高校2012年就业数据为例进行分析,同时将分析结果与C4.5算法和基于粗糙集的决策树生成算法的分析结果进行比较．结果表明:基于多尺度粗糙集模型的决策树算法生成的决策树树形结构简单、产生的规则简洁、不存在不可分的数据集、运算速度快．     

基于免疫的网络动态实时异常检测模型

网络异常检测已成为入侵检测系统发展的重要方向.现有异常检测模型对检测模式描述为一种静态方式,缺乏良好的自适应性和协同性,检测率低,难以满足高速网络环境下实时检测的需求.针对此,借鉴人体免疫系统优异的自学习自适应机制,提出了一种新的基于免疫的网络动态实时异常检测模型NAIM.该模型通过对检测模式进行动态描述,结合抗体细胞动态克隆原理,探讨种痘及疫苗分发机制,实现检测模式随真实网络环境同步演化,从而提高网络异常检测的准确性和及时性.     

基于危险理论的入侵检测系统模型

入侵检测是网络安全技术研究中热点问题之一．现有入侵检测系统模型大多报警量巨大,另外不能对系统当前所面临的攻击进行实时定量危险评估,为解决这两个问题,提出了一种基于危险理论的入侵检测系统模型DTIDS．对网络活动中自体、非自体、免疫细胞、记忆检测器、成熟检测器和未成熟检测器进行了形式化描述,建立了主机实时危险定量计算方程...