课程文献中心 更多>>

关键词： 计算机网络管理   介质访问控制   网络安全管理   计算机网络安全技术   差错控制机制   计算机网络技术应用   差错控制编码   数据链路层  

摘要： 在计算机网络技术应用和发展过程中,网络安全管理起着不可或缺的作用。《计算机网络管理与安全技术研究》一书深入探讨了计算机网络安全技术的发展过程。全书共分为12章。第1章介绍了网络管理的基本概念、基本功能、网络管理的标准以及网络管理的对象。第2章阐述了数据链路层的定义、主要功能、差错控制机制和差错控制编码,以及介质访问控制方式。

关键词： 居民网络消费结构   网络营销模式   渠道整合   内容营销  

摘要： 数字经济的快速发展推动居民消费结构不断升级,网络消费逐渐从低价导向朝品质化、服务化和个性化方向转型。消费者需求的变化表现为从商品购买到服务体验的转变、从价格敏感到品牌价值的追求,以及区域性引发的消费分层趋势。本文结合网络消费特征,从精准服务、策略转型、渠道整合和内容营销四个方面探讨营销模式创新路径,提出:利用大数据驱动个性化推荐,灵活预测消费需求;结合场景打造沉浸式互动体验,提升购买体验;整合线上线下资源,构建全渠道营销生态;通过优质内容提升品牌价值,并协同UGC与KOL传播,助力企业建立长期品牌认同。

关键词： 肌力预测   卷积块注意力模块   多尺度卷积神经网络   手部施力   消融实验  

摘要： 为实现手功能康复中肌力的量化评估,进而制定科学有效的康复训练策略,本文构建了多尺度卷积神经网络(MSCNN)—卷积块注意力模块(CBAM)—双向长短期记忆网络(BiLSTM)肌力预测模型,以充分挖掘数据的空间和时间特征,同时抑制无用特征,最终实现提高肌力预测模型的准确性。为验证本文所提模型的有效性,将本文模型与支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)、CNN—挤压激励网络(SENet)、MSCNN—CBAM和MSCNN—BiLSTM等传统模型进行对比;考察将手部施力从40%的最大自主收缩力(MVC)变成60%的MVC时模型肌力预测的效果。研究结果发现,随着手部施力的增大,肌力预测模型的效果变差;再利用消融实验分析各模块对肌力预测结果的影响程度,发现CBAM模块在模型中起着关键作用。综上,利用本文模型能够有效提高肌力预测的准确性,深入了解手部肌肉活动的特征和规律,为进一步探索手部功能的机制提供帮助。

关键词： 机器视觉   前车检测   车辆跟踪   卷积神经网络  

摘要： 本文提出了基于卷积神经网络的车辆卡尔曼滤波跟踪方法,先利用卡尔曼滤波算法进行状态预测,然后用CNN网络对目标邻近区域进行观测,从而完成跟踪过程.但由于卡尔曼滤波算法的局限性,一次只能处理一个目标,因此比较耗时,针对该问题,又进一步提出基于CNN的区域跟踪方法.经实验验证,基于CNN的区域跟踪方法能在保证准确性与稳定性的基础上,显著提高算法的实时性.

关键词： 科技遏制   国际科技合作   社会网络分析   区域化  

摘要： 国际科技合作是推动科技创新、促进全球经济增长的重要途径。然而,美国自2018年以来,通过实施贸易保护主义,与中国“脱钩断链”;加大核心技术领域投入,争夺竞争优势;打造“小院高墙”,挤压中国科技合作空间等手段对中国进行科技遏制。这对双方科技合作产生了显著影响:一方面,中美各自科技论文产出量都有下降态势,美国下降尤为明显;另一方面,中美仍是对方最大的科技论文合作国,双方在非核心技术领域合作规模不减反增。从全球层面看,全球科技合作网络仍在继续深化,科技合作网络密度持续提升,新兴国家节点作用愈加突出,去中心化、区域化特征加速推进。

关键词： 脾气虚证   亚健康   认知   注意网络   脾藏意  

摘要： 目的初步探究亚健康脾气虚证人群的注意网络功能。方法2022年9月至2024年8月于社区和高校招募亚健康脾气虚证组受试者27例。根据年龄、性别和受教育年限相匹配纳入了25例健康对照受试者。对纳入的所有受试者进行注意网络测试,并分析两组差异。结果相较于健康对照组,脾气虚证受试者的执行控制网络功能明显受损(P=0.012)。脾气虚证组和健康对照组的测试正确率、反应时间、警觉网络功能和定向网络功能差异均无统计学意义(P>0.05)。此外,脾气虚证组受试者健康状态简单评估问卷得分与执行控制网络效率值呈显著的负相关关系(P<0.001),脾气虚证证候积分与执行控制网络效率值呈正相关性(P=0.038)。结论亚健康脾气虚证受试者的注意执行控制功能存在异常改变,其与脾气虚证症状的严重程度密切相关,这为“脾藏意”理论的认知心理学内涵提供了进一步的科学依据。

关键词： 生成对抗网络   通信网络数据   传输加密技术   交叉熵   无嵌入隐写生成器   隐写数据信息   反卷积层   生成器  

摘要： 由于网络数据传输加密与解密的过程中常存在异常交叉,导致数据的有效传输占比难以得到保障。为此,本研究提出基于生成对抗网络的通信网络数据传输加密技术。首先,建立生成对抗网络模型,在训练模型后得到交叉熵收敛的无嵌入隐写生成器,再将原始数据信息和噪声向量输入到生成器中,生成对应的隐写数据信息。在通信网络的接收端,利用包含四个反卷积层的生成器对隐写数据进行提取,获取原始的数据信息。测试结果表明:应用该方法后,数据的有效传输占比始终稳定在98.0%以上,最大值达到了99.0%。

关键词： 操作系统   网络空间安全   实践教学   混合式教学   攻防对抗实验  

摘要： 操作系统课程是计算机大类学科的核心基础课程,结合实践型网络安全人才的培养需求,进行网络空间安全(以下简称网安)专业操作系统课程实践教学改革探索,引导学生建立攻防对抗思维,提升实际网络安全问题的解决能力,强化操作系统课程对网安学科的支撑作用。针对实践课程教学里存在的实验内容滞后、实践性不足和评价方式单一等问题,通过实验内容的优化与拓展,构建了面向网安专业的混合式实践教学模式,经过上述改革措施,学生实验课程的参与度、扩展性实验的完成度以及实验报告的提交质量显著提高。

关键词： 拉曼光谱   卷积神经网络   脑肿瘤   残差结构  

摘要： 采用深度学习进行正常脑组织与肿瘤组织边缘诊断,对算法效率和准确率均有较高要求,为此提出一种1D-RamNeXt脑肿瘤组织拉曼光谱分类方法。首先,针对样本类别不均衡问题,设计一维数据再平滑数据增强方法,以扩充原光谱数据集;为提升诊断准确率,通过堆叠残差网络(ResNet)块并增加通道数量,构建卷积神经网络(CNN)模型,对光谱数据特征进行提取及整合,并在网络中引入并行拓扑结构残差模块,以解决深度神经网络中层数过多导致的模型退化问题,并减少超参数及算法计算量。针对所提取的小鼠脑部组织实验结果表明,与线性判别分析(LDA)、 K最邻近(KNN)和支持向量机(SVM)类传统算法相比,本文方法准确率提升6%;与AlexNet, VggNet和ResNet一维CNN模型相比,本文方法在准确率提升2%的前提下运行速度提升16%。

关键词： 视觉SLAM   目标检测   室内动态环境   光流法  

摘要： 针对同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)系统在室内动态环境中存在鲁棒性变差、定位精度降低的问题,提出了一种基于改进YOLOv8n目标检测网络的室内动态视觉SLAM算法。首先,选择YOLOv8n网络作为基线,并采用Ghost卷积替换原卷积,同时增加一个小目标检测层,减小网络模型体积,提高模型检测速度。其次,将改进的YOLOv8n目标检测网络与LK稀疏光流法结合,并引入视觉SLAM系统跟踪线程中,对场景中动态目标进行识别判断,筛选并剔除动态特征点;最后,仅使用静态特征点进行特征匹配和位姿估计。实验结果表明,在TUM数据集动态序列下相较于ORB-SLAM2,绝对轨迹均方根误差平均降低了96.62%,显著提高系统的鲁棒性和定位精度。与DS-SLAM、DynaSLAM等系统相比,该系统也能更有效平衡检测速度与定位精度。To address the issues of reduced robustness and lower localization accuracy in Simultaneous Loca- lization and Mapping (SLAM) systems within dynamic indoor environments, an indoor dynamic visual SLAM algorithm based on an improved object detection network is proposed. First, the YOLOv8n network is selected as the baseline, and Ghost convolution is employed to replace the original convolution, along with the addition of a small object detection layer to reduce the model size and improve detection speed. Second, the improved YOLOv8n object detection network is integrated with the Lucas-Kanade sparse optical flow method and is introduced into the tracking thread of the visual SLAM system to identify and filter out dynamic feature points from the scene. Finally, only static feature points are utilized for feature matching and pose estimation. Experimental results indicate that, on the dynamic sequences of the TUM dataset, the root mean square error of the absolute trajectory is reduced by an average of 96.62% compared to ORB-SLAM2, significantly enhancing system robustness and localization accuracy. Compared to systems such as DS-SLAM and DynaSLAM, this system also effectively balances detection speed and accuracy.