WIN 2000的入侵检测系统实例分析

入侵检测系统能发觉入侵行为并且采取相应的措施。它通过对计算机网络或计算机系统中的若干关键点收集信息并对其进行分析,从中发现网络或系统中是否有违反安全策略的行为和被攻击的迹象。该文通过对WIN2000下的入侵检测的一个实例进行分析,总结了几点应对入侵的具体措施,旨在为网络管理员提供借鉴。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。     

邢台地震b值的深度变化特征分析

对1966~1984年邢台地震目录进行了整理,应用基于MATLAB的Z-MAP软件分析了地震目录的完整性,将目录划分为地震活跃时段、地震活动过渡时段、地震活动相对稳定时段。主要分析了各时段地震深度b值、沿断层深度剖面扫描b值,根据深度b值变化对邢台地震演化特点进行了分析。     

自组织竞争神经网络在江苏油田有杆抽油系统故障诊断中的应用

有杆抽油系统的故障诊断技术是国内外采油工程技术中的一个重要研究课题。通过示功图的不同形状特征可以反映抽油机的不同工作状态。将自组织竞争神经网络应用于示功图的识别与分类,建立了一个自组织竞争神经网络模型对示功图进行自动聚类,从而实现故障诊断的自动化。应用江苏油田的实测示功图数据进行实验,可以看出自组织竞争神经网络具有良好的分类能力和泛化性能,是实现油田抽油系统故障诊断的有效技术,具有很强的实用价值和广泛的应用前景。     

浅谈县局计算机网络维护

对单收站接收机的硬件进行升级后,可在另一台电脑上收看及录制单收站多媒体视频广播;也可在多台电脑上安装M icaps2.0;便于对地面测报网络的维护;电脑系统的维护。     

基于对等网络技术的气象数据共享服务应用

气象数据共享业务广泛采用了单一资料源向各个目标节点分发的方式,针对这种共享业务的特点,设计并实现了一种基于对等网络技术的气象数据共享应用,提供资料源的共享发布以及节点间的共享访问功能。该应用通过搭建的仿真平台模拟实际业务应用,验证了在全国气象宽带网络上实现共享传输的可行性。在随后的小范围业务试验中进一步证明了该应用能够在特定的业务场景中不增加中心节点资源消耗而提升数据共享的传输效率。     

新一代天气雷达轴角盒故障的分析处理

CINRAD/SA天气雷达在PPI扫描过程中天线来回摆动,导致雷达无规律出现方位扇形范围无回波,雷达不能正常发挥其有效作用。为查找故障原因,从新一代天气雷达伺服系统信号流程入手,结合雷达基数据分析软件,分析雷达天线运行轨迹,通过信号流程中关键点参数的测量和比较,发现问题出现在轴角编码盒方位环节,导致轴角盒串行方位轴角数据输出不连续,造成雷达无规律出现方位扇形范围无回波。通过对此类故障分析思路与处理经验的总结,对台站级雷达技术保障提供借鉴。     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

基于VGG19卷积神经网络和迁移学习的水稻病害图像分类方法

本文在原有VGG19卷积神经网络的基础上,提出了一种基于迁移学习模型参数的水稻病害图像分类方法。该方法利用ImageNet数据集预训练生成的VGG19卷积神经网络,通过将网络相关参数迁移和调整的方式构建水稻病害图像分类的技术流程。通过对图像的预处理扩充样本数据,针对病害特征利用训练集调整训练参数,并利用验证集进行性能实测优化分类模型,实现水稻病害图像的快速识别分类,最后利用测试集评价分类精度。测试结果表明,该方法能够很好实现水稻病害图像的分类,分类精度达到99%以上。