基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

挠性接管隔振效果检测试验装置合理性的讨论

采用机电比拟的方法对挠性接管隔振效果检测试验装置进行了分析,针对欲达到的试验目的,定性地提出了组成试验装置的质量、弹性常数等应达到的要求.     

军校大学生英语学习观念与策略分析

国内外学者提出了许多关于英语学习策略的理论，并进行了大量的实证研究，但有关军队院校大学生英语学习策略的研究尚未涉猎。了解军队院校非英语专业大学生英语学习的观念和所采用的主要策略，掌握学生各种英语学习观念和采用的学习策略之间的关系。可为军校英语教学提供研究方向。     

对抗战时期中国机器工业“繁荣”的思辨

抗战时期,中国的机器业获得了一个＂繁荣＂的发展。这是近代中国追求机器业发展几十年的结果,更是战争特殊环境直接推动的结果。然而,这种主要因战争而＂繁荣＂的假象是暂时的,在整个中国工业中的比重也很弱,它并没有将中国工业化推向深入。同时,就战争带给机器业的影响来看,它是一把双刃剑,无论就战争发动者与应对者,它带给人类的是祸大于福,任何寄希望于战争带动社会经济、大发战争财的做法迟早会作茧自缚。我们应反对战争、创造和平、珍惜和平,只有在和平环境中才能谋求真正的发展。     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.     

信息时代大学英语教学模式研究

步入信息时代，多媒体网络化英语教学作为一种能拓展学习时空的教育形式越来越受到人们的普遍关注。本文根据任务教学法和建构主义学习理论探讨了基于计算机和课堂的大学英语教学模式，提出了重视网络学习能力的培训，加强个性化自主学习、协作学习和监控学习过程等方面的构想。     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

Systems failure: the US way of irregular warfare

ABSTRACT

Since 9/11, the United States has achieved notable gains against al Qaeda, and also Islamic State (IS), all while avoiding another mass-casualty attack at home. Yet, institutionally, culturally, and in its capabilities, the US government remains seriously ill-equipped for the task of countering irregular threats. Partly as a result, Islamist extremism shows no sign of being defeated, having instead metastasized since 9/11 and spread. Why, given the importance accorded to counterterrorism, has the US approach remained inadequate? What is impeding more fundamental reforms? The article evaluates the United States’ way of irregular warfare: its troubled engagement with counterinsurgency and its problematic search for lower cost and lower risk ways of combating terrorism. It suggests needed reforms but acknowledges also the unlikelihood of change.     

基于程序状态变迁的ASLR机制脆弱性分析方法

地址随机化ASLR是一种针对控制流劫持漏洞的防御机制。已有的漏洞自动分析与利用技术缺少对地址随机化机制影响的分析,导致生成的测试用例在实际环境中的运行效果受到极大限制。针对地址随机化的缺陷及其绕过技术的特点,本文提出了一种地址随机化脆弱性分析方法。该方法使用有限状态机描述程序运行路径中各关键节点的状态；针对常见的内存泄漏与控制流劫持场景建立约束条件；通过求解内存泄露状态约束与控制流劫持状态约束的兼容性,分析地址随机化机制在特定场景下的脆弱性。实验结果显示,该方法可有效检测通过内存泄漏导致的地址随机化绕过及控制流劫持攻击,实现自动化的地址随机化脆弱性分析,提高针对软件安全性分析的效率。     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。