中国核战略文化与儒家军事思想

中国核战略文化表现出的是一种将一国之利与全人类利益统一起来的面向整个世界的深沉的责任意识与仁道情怀。儒家军事思想反映了中华民族追求和平、反对战争的愿望。文中从反对核战争、遏制核战争的立场,重视人民群众在反侵略核战争中伟大作用的思想,注重发展核武器与经济建设辩证关系的方针等方面,揭示了中国核战略文化对儒家军事思想的传承。     

泛在知识环境下的图书馆泛在服务的实现模式构建

在分析泛在知识环境下特征的基础上,就如何实现图书馆泛在服务构建了实现模型,探索泛在图书馆、手机图书馆、电视图书馆、知识社区、嵌入环境服务等具体实现方式。     

数据结构课程教学改革研究

《数据结构》课程是计算机专业一门重要的专业基础课,在专业课程体系中起着承上启下的重要作用。《数据结构》课程的教改研究已经成为热点。本文首先提出了数据结构教学中出现的问题,详细分析了导致这些问题的原因;接着从知识关联、教学手段、网络课堂、课程交叉和考核方式等方面提出5项改革措施,并进行了实践;最后提出进一步改革的设想。     

白车身工艺规划系统工艺关系建模

通过分析白车身工艺规划的内容与特点,归纳出白车身工艺规划中的信息构成与工艺信息管理需求,分别建立了基于产品数据管理理论的产品零件模型、制造资源模型和工艺知识模型,实现对制造对象、制造资源和工艺知识等工艺信息的管理,并在此基础上,构建以操作为核心的集成反映各生产要素及其相互关系的工艺关系模型.应用表明,该模型很好地实现了白车身工艺规划系统工艺信息管理和工艺规划要求.     

建构主义学习理论下对数学教学的思考

建构主义学习理论,对教育教学产生很大的影响,已经成为当代数学教学与课程改革的基础。本文主要从知识观、学生观、教师观三个方面来阐述对数学知识的态度和数学知识应用的培养;学生学习数学时的主动建构和合作学习;以学生认知发展水平为基础的教学和教师角色的转变。     

专利申请中遗传资源来源公开问题系列研究(三)——总体评析、要素分析和相关建议

本文对遗传资源来源公开要求的目的、设立基础和效果、影响等进行了总体评析,指出发展中国家提出这一建议除了旨在加强对遗传资源的保护之外,也体现出对国际知识产权规则加以变革的想法,也正因为如此,发达国家和发展中国家在此建议的作用和效果问题上形成了不同的见解和主张.之后,本文从制度设立的角度对遗传资源来源公开要求中涉及的各个要素进行了介绍,归纳整理了利用现有专利法规定的若干解决思路.最后对我国相关问题的总体解决思路和政策制定提出了建议.     

工程分析专家系统的问题求解黑板模型

问题未解模型是组织推理步骤和领域知识进行问题求解的一种模式,本文主要讨论了基于黑板模型的工程分析专家系统的设计方法,包括专家策略知识的多层次表示,深度优先搜索及推理网格的实现,协同式多专家系统的多级推理网络模型的构造,解释机构与人机接口设计以及推理算法.     

面向域名解析系统的知识图谱构建与应用方法

为提高网络域名系统(domain name system, DNS)服务器日志分析能力,综合多种技术提出了构建面向域名解析系统的知识图谱。首先,应用域名解析、权威域名服务器、别名解析、自治系统等基本原理设计了基于aiohttp和dig技术相结合的数据采集方案,构建了相应的领域知识库;其次基于该知识库设计和构建了面向域名解析系统的知识图谱,其节点规模达近500万;然后应用该知识图谱解决web日志中异常访问行为识别效果差的实际问题。以某国家网络信息安全科研机构的网络服务器日志为研究对象,对比是否采用知识图谱进行实验：在爬虫行为、域名暴力解析行为、DNS重复解析行为的识别实验中,F₁值分别提高了14.88%、47.23%和91.63%。结果表明,该知识图谱能够有效提高web日志中异常行为识别率。     

归纳逻辑视野下的数据挖掘研究综述

对归纳逻辑思想在数据挖掘中的应用研究进行了综述。国外的研究主要集中在人工智能方面,重点是高阶归纳逻辑研究,通过多态归纳逻辑、机器学习等方面发展了归纳逻辑理论。国内的研究集中在知识发现方面,例如通过研究关联规则等探讨知识发现的内在机理。相对来说,国外的发展更偏重于应用领域,而国内也在不断扩展归纳逻辑的理论应用,但在数据挖掘领域研究仍然偏少。     

面向特征融合与知识蒸馏的恶意软件分类

恶意软件分类是一个多分类任务,旨在提取软件特征来训练模型,以判断恶意软件的类别。现有工作主要集中于利用深度神经网络从恶意软件图像中抽取特征进行分类,对恶意软件的序列特征和分布特征之间的关联性缺乏关注,限制了模型性能。此外,这些现有模型大多具有较高的参数量,往往需要占用较大的计算资源。为此,提出一种基于特征融合与知识蒸馏的恶意软件分类方法。一方面,通过残差网络分别从灰度图和马尔可夫图中抽取恶意软件的序列特征和分布特征,并利用自注意力挖掘不同特征之间的关联性,以提升模型性能。另一方面,通过教师网络向多个学生网络进行知识迁移,并让学生网络互相协作学习,以进一步降低模型规模。在微软和CCF数据集上的实验结果证明,该方法不仅有效提升了模型性能,而且可以降低模型的参数量和计算量。此外,本文通过热力图定位影响分类结果的字节,对分类依据进行解释。