增肌运动处方对偏瘦女大学生体质的影响

运用文献资料法、实验法对17名偏瘦女大学生进行增肌运动处方锻炼。实验采用中低强度的有氧运动和抗阻练习,每次锻炼时间为40 min ,运动频率设定为每周2次（周一和周三）,把心率控制在130～150 b／min ,实验连续实施16周。结果显示：偏瘦女大学生的心肺功能得到了有效的改善,其中心率、心指数和肺活量指标改善较大,对血压的影响不大;偏瘦女大学生的BM I、身体各围度和皮褶厚度得到了有效的改善,其中BM I、臂围（紧张）改善较大,而对皮褶厚度、身体的其他围度影响不大;身体素质指标中除了握力以外,其他的指标均得到有效改善。本研究提示,增肌运动处方能有效改善偏瘦女大学生的机能指标和素质指标,对提高偏瘦女大学生身体素质具有一定的积极效应。     

基于声发射检测的岩石材料非均质性评价与分类研究

对于深部岩石力学和地下工程而言，准确表征与评价岩石的非均质性，对于研究岩石在深部复杂环境下物理力学性质的变异性至关重要。由于岩石成分的复杂性和矿物分布的随机性，采用传统的图像观察方法难以准确的表述岩石的非均质性，因此，亟需寻找一种科学、实用的试验方法对岩石的非均质性进行表征评价。本文假设同种岩石具有相同的矿物几何特征及边界特征（即岩石的微观基质相同），岩石在破坏过程中强相矿物破坏的声发射信号相比于弱相矿物破坏的声发射信号较多。岩石巴西劈裂过程中轴线上的破裂可以近似的认为岩石内部强弱相矿物的依次破裂，通过统计不同应力阶段岩石的声发射信号特征可以间接的分析岩石内部强弱相矿物的差异性。基于此，通过定义岩石强弱相矿物占比及矿物空间分布的均匀性表征出了岩石的非均质性。之后选取不同特征变辉长岩和花岗岩验证了分析方法的科学性和实用性。最后，本文在岩石非均质性评价的基础上探究了岩石宏观力学参数与岩石非均质特征的相关性。单轴和三轴试验表明，岩石的峰值强度和弹性模量不仅仅与岩石强弱相矿物占比有关，也与岩石矿物空间分布的均匀性相关。     

基于深度学习的SSL VPN加密流量的分类识别

随着虚拟专用网技术的广泛使用，VPN加密流量的分类识别对于网络安全管理的重要性愈发明显，而传统流量分类技术在提取特征和关键协议字段时效率较低.因此，本文提出一种基于卷积神经网络的深度学习模型，用以实现SSL VPN加密流量的分类识别，并减少特征工程中的人力成本.首先，将流量区分为VPN加密流量和非VPN加密流量，并且确定出这两类流量所属的服务类型；然后对所有流量进行分类，识别出产生流量的应用类型.考虑到网络流量中存在的时序关系，采用一维卷积神经网络作为深度学习的模型，通过构建Pytorch的实验环境，采用ISCX2016数据集，实现对VPN加密流量的分类任务.通过参数优化，除数据量较小的数据类型外，应用识别的平均F1-score为91.73%,流量识别的平均F1-score为91.13%.实验结果表明，基于一维卷积神经网络的深度学习方法对于识别SSL VPN流量是可行和有效的.