ENUM体系中NAPTR资源记录的研究

下一代网络是一个融合的网络,要实现网络的融合,网络标识和寻址技术是至关重要的。ENUM就是作为电信网和互联网的寻址技术出现的。ENUM是DDDS算法的一个具体应用,采用DNS系统中的NAPTR类型存储算法规则库。介绍了ENUM体系的功能原理,就其功能范围进行了讨论。然后分析了DDDS算法,详细阐述了NAPTR资源记录,根据定义给出了更加严格的enumservice服务分类。     

电化学异常现象与挠场理论

一、引言越来越多的实验事实表明 ,在一定条件下 ,电化学过程中存在过热和核嬗变现象,由于这些实验现象的重复性尚不令人满意 ,并且不能用已确认的物理规律加以解释 ,因此 ,由Ｆｌｅｉｓｃｈｍａｎｎ和Ｐｏｎｓ等人公布的“冷核聚变”研究结果不能被公众广泛承认 ,甚至还被称为“病态科学”。然而 ,近１０年来 ,国际上还是有很多科学家在进行着这方面的研究 ,并取得了较大的进展。各国政府对这一学科研究的重要意义的认识也在不断增强。文献［１］从电化学系统中的基本过程出发 ,分析电化学双层的聚能过程、电极表面的尖端效应及点腐蚀的雷…     

熟知并非真知——关于中国化的马克思主义的几个问题

针对现实中存在对中国化的马克思主义的一种误解,即把熟知当作真知的这种现象,探讨了马克思主义在中国的成功应用以及中国化的马克思主义形成和发展过程,概括了中国化的马克思主义的二次历史性飞跃和三大理论成果,划清了熟知和真知的基本界限,提出了当前要扩大和加深对中国化的马克思主义的认知必须克服的主要问题,以加强马克思主义对我国各项工作的指导作用。     

铈(Ⅳ)-胱氨酸络合物的吸附伏安法应用

研究了铈（ Ⅳ） —胱氨酸络合物在硼砂底液中的吸附伏安特性．在０ ．０１ｍ ｏｌ／ Ｌ 的硼砂中,铈（ Ⅳ） —胱氨酸在－ ０ ．０６ Ｖ（ｖｓ ． Ｓ Ｃ Ｅ） 出现一灵敏的吸附还原峰,其峰高与胱氨酸在１ ．０ ×１０ － ９ ～１ ．０ ×１０ － ７ ｍ ｏｌ／ Ｌ 范围内成线性关系,检测下限为５ ．０ ×１０ － １０ ｍ ｏｌ／ Ｌ．应用该方法测定了样品中痕量的胱氨酸     

基于Snort的入侵检测警报分析系统改进模型

针对目前入侵检测系统存在的警报量大、误报率高的问题,设计了一个基于Snort的入侵检测警报分析系统改进模型。该模型以开源入侵检测系统Snort为基础,利用关联规则挖掘算法建立正常警报行为模式和异常警报行为模式,提高了系统的检测效率,并在一定程度上提高了系统对未知攻击的检测能力。     

基于ANP的安徽省自然灾害应急物流体系运行能力评价研究

有效地评价及反馈是安徽省自然灾害应急物流体系顺利运行的保障。本文通过运用ANP网络层次分析法,对安徽省自然灾害应急物流体系的相关指标进行评价,找到影响安徽省自然灾害应急物流体系运行能力的关键因素,从而更好发挥安徽省自然灾害应急物流体系的综合实力。     

关于社会主义市场经济活动与伦理道德关系的几个问题(下)

三、能否用经济人和道德人的分离来处理社会主义市场经济活动与伦理道德的关系 目前社会上存在着这么一种观点,认为人的本性具有两重性即利己性和利他性。当人参与市场经济活动时是经济人,具有利己性;当人不参与市场经济活动时是道德人,具有利他性。经济人和道德人的活动领域不同,是各自分离的。认为经济人的利己心是推动市场经济发展的原动力,对经济人的利己行为不能干预,尤其不能用道德人的利他性来干预经济人,如果干预过多,则会阻碍社会主义市场经济的顺利发展。我们认为,经济人的利己性与道德人的利他性都应该属于人的社会性,社会性中二者是相互依存、不可分割的,不能割裂二者的联系,更不能借口市场经济的发展而片面夸大经济人的利己行为,忽视或否认伦理道德规范经济人行为的重要性。     

基于神经网络模型的文本分类研究综述

文本分类是自然语言处理与理解当中重要的一个研究内容,在文本信息处理过程中有关键作用.目前深度学习已经在图像识别、机器翻译等领域取得了突破性的进展,而且它也被证明在自然语言处理任务中拥有着提取句子或文本更高层次表示的能力,也备受自然语言处理研究人员的关注.文章以基于深度学习的文本分类技术为研究背景,介绍了几种基于深度学习神经网络模型的文本分类方法,并对其进行分析.     

文本挖掘技术的研究

本文对文本挖掘的过程极其关键技术进行了系统的分析,并探讨了其应用趋势。     

基于联合特征参数和一维CNN的MIMO-OFDM系统调制识别算法

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统子载波的调制识别问题，提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的调制识别方法。首先，利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端的混合信号中恢复发送信号；然后，提取恢复信号的循环谱切片和四次方谱作为浅层特征；最后，利用1D-CNN对特征进行训练，使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明，所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别，在信噪比为10 dB时的识别精度即可达到100%。