基于神经网络平滑聚合机制的恶意代码增量训练及检测

为保证恶意代码变种检测模型的时效性,传统基于机器（深度）学习的检测方法通过集成历史数据和新增数据进行重训练更新模型存在训练效率低的问题。笔者提出一种基于神经网络平滑聚合机制的恶意代码增量学习方法,通过设计神经网络模型平滑聚合函数使模型平滑演进,通过添加训练规模因子,避免增量模型因训练规模较小而影响聚合模型的准确性。实验结果表明,对比重训练方法,增量学习方法在提升训练效率的同时,几乎不降低模型的准确性。     

近地阶段ARJ21飞机尾流遭遇安全性研究

在实际管制运行中,为了缩短ARJ21飞机与前机尾流间隔,同时避免尾流遭遇危险事件的发生,选取前机机型为A330-200重型机,分别对ARJ21纵向和横向穿越前机尾涡场两种模式下的风险性进行了分析。首先建立了前机尾涡耗散与速度诱导模型,然后根据ARJ21遭遇尾流受力响应模型进行求解,分别计算出两种尾流遭遇模式下ARJ21整机、机翼、机身、平尾及发动机升力与力矩的变化,最后计算得出滚转力矩系数指标和过载增量指标进行安全性验证。结果表明：当ARJ21以ICAO规定的尾流间隔纵向遭遇尾涡时,其滚转力矩系数小于0.04,过载增量与安全裕度之和小于0.5;在交叉跑道上空横向遭遇尾涡时,过载增量与安全裕度之和小于0.5,验证了ICAO尾流间隔标准的安全性。ARJ21跟随A330-200的尾流间隔较ICAO标准缩短2481m,缩减率为26.79%,有效提高了机场的运行效率。     

基于投影数据库的序列模式挖掘增量式更新算法

针对序列模式挖掘中的增量挖掘问题,提出一种序列模式更新算法ISPBP.算法引入序列数据库结构来存储从原始数据库中挖掘出的所有项、最大频繁模式以及它们的支持数,采用间接拼接方法,只需处理增量数据库,避免了对更新后数据库的重新计算.对于因增量数据库新产生的频繁模式,利用了在增量数据库中出现的频繁项集来减小投影数据库,进一步提高了算法的效率.理论分析和实验表明,算法是有效可行的,并且增量数据库越大,算法在效率上的优越性越明显,算法ISPBP优于传统增量式更新算法.     

一种新的多类SVM方法及其在文本分类中的应用

提出一种将SVM扩展到多类文本分类问题的新方法,此方法有增量模式及批模式两种应用途径。其中,批模式提供了一种其他多类SVM替代方法;而增量模式在重复利用原有模型的基础上将新增类别的知识信息以增量方式更新到分类系统,整个分类器不需要全部重新学习,需要的计算量较小。实验表明增量方法大大减少新类增加时分类器更新所需要的学习步骤和时间;两种模式的分类效果与其他方法相当。     

数据挖掘中的增量式关联规则更新算法

设计增量关联规则更新算法,用于解决数据挖掘中元组数增加而最小支持度不发生变化时关联规则增量式更新问题.该算法只须扫描原始数据库和新增数据库各一遍,能大大降低运算时间,加快速度,极大地提高关联规则的挖掘性能.     

基于MOGIS的导航地图增量更新

随着社会的发展,GPS导航已经得到了广泛的应用.人们对导航的要求也越来越高,其中导航电子地图的现势性已成为衡量导航优劣的重要标准之一.传统的版本式更新已不能满足需求,增量更新方法应运而生.对增量更新的方法进行·了研究,建立地图要素全局标识体系——MOGIS,并采用SIMG的格网划分方法,利用数据差分技术实现了导航电子地图的增量更新.     

复杂曲线钢槽梁跨线顶推施工关键技术: 以响堂铺2号大桥为例

响堂铺2号大桥位于丘陵山区,其下侧需跨既有高速,主梁整体线形呈S型,施工难度较大。其中第一联主梁采用钢-混组合结构,下侧钢槽梁采用步履式顶推施工工艺,临时支架设计为非对称布置。针对此情况,为确保钢槽梁顶推施工的安全性、可靠性,分析了钢槽梁顶推施工的路径以及千斤顶摆放的位置后,通过多种有限元模型的搭建,以顶推过程中的梁体应力及变形模拟计算为依据,为钢管支架结构进行了抗剪优化,并设计出降低主梁弯矩的同时仍可在汇交138°的垫梁及支架上进行落梁的钢导梁。在施工时采用优化后的主梁同步顶推系统对S型主梁进行连续顶推,而提出的导梁上墩保障措施,主梁临时锁定、横向旋转、线形保障等措施在确保施工过程安全性的同时,亦可保障主梁线形的完整平顺。此外现场监测方案,采用几何监测与物理监测相结合的方式,使得实测值与理论值一致性良好,并以此进一步提高施工质量和大桥生命周期内的服役能力。该项顶推施工技术丰富了复杂情况下的桥梁施工技术,也可为今后类似的跨线、S型主梁、钢-混组合梁桥的顶推施工提供参考。     

浙江省绿色建筑的发展和技术应用

 总结了浙江省现有的绿色建筑项目的发展现状和技术应用情况,并分析了其发展特点及目前存在的问题。结果表明,浙江省绿色建筑发展仍然存在城市之间的不平衡和技术应用上的不平衡;但绿色建筑技术的增量成本逐步下降并趋于平稳,这将有利于绿色建筑技术的推广应用。     

A new incremental updating algorithm for association rules

Incremental data mining is an attractive goal for many kinds of mining in large databases or data warehouses. A new incremental updating algorithm rule growing algorithm (RGA) is presented for efficient maintenance discovered association rules when new transaction data is added to a transaction database. The algorithm RGA makes use of previous association rules as seed rules. By RGA, the seed rules whether are strong or not can be confirmed without scanning all the transaction DB in most cases. If the distributing of item of transaction DB is not uniform, the inflexion of robustness curve comes very quickly, and RGA gets great efficiency, saving lots of time for I/O. Experiments validate the algorithm and the test results showed that this algorithm is efficient.      

用增量分拆法证明齐次多项式不等式

针对差分代换证明齐次多项式不等式存在的困难和问题,提出了一种解决方法,并对Bottem a软件和一般多项式差分代换DS(F)进行了评价。