8个研究背景和意义示例,教你写计算机动态更新论文

今天分享的是关于动态更新的8篇计算机毕业论文范文, 如果你的论文涉及到动态更新等主题,本文能够帮助到你

多尺度信息系统下最优剪枝的逐步选择和动态更新方法研究及应用

这是一篇关于多尺度决策系统,多粒度属性重要度,最优剪枝组合,最优节点,动态更新的论文, 主要内容为多尺度框架下的数据处理能够满足人们从不同的角度来分析问题,多尺度粗糙集模型的提出推动了多尺度数据分析的发展,根据不同的应用需求,选择最合适的尺度层面进行数据分析成为该模型下的一个重要研究课题。其中,多尺度决策系统下基于粒度树的剪枝可以使不同对象在同一属性下取不同的尺度,从而可以实现跨粒度的知识发现,因此,相较于传统模型下的尺度组合,基于粒度树的剪枝组合语义表达更为精确。一般来说,较细的剪枝组合会导致获取知识的成本较高,而基于较粗的剪枝组合可以使得提取的决策规则泛化能力更强但可能不能充分满足决策需求,因此,如何选择出最合适的剪枝组合已成为多尺度粗糙集模型下的研究热点之一。考虑剪枝的跨粒度组合往往导致最优剪枝选择的搜索空间过大,致使算法的时间复杂度高,而在实际应用中,往往需要快速获取一个最优剪枝组合用于数据分析和规则提取;此外,网络互联环境下多尺度决策系统中的数据往往是动态变化的,静态方法在处理动态数据时会因反复重新计算而致使效率不高。针对上述问题及需求,本文开展多尺度信息系统下最优剪枝的逐步选择和动态更新方法研究,并探讨最优剪枝组合在实际生产中的应用。相关研究在提升最优剪枝选择效率的同时扩展了最优剪枝在动态更新方面的研究,并推动了其应用。全文主要研究工作包括:(1)基于多粒度属性重要度的最优剪枝逐步选择算法基于粒度树的剪枝可以使不同对象在同一属性下取不同的尺度,其剪枝组合相较于传统模型下的尺度组合更为精确,但是最优剪枝选择由于剪枝组合数量太多存在搜索空间大、时间复杂度高的问题。针对此问题,考虑通过重要度顺序来逐步选择最优剪枝,首先定义基于粒度树的多尺度决策系统下的节点重要度、剪枝重要度和多粒度属性重要度,并研究了它们之间的关系;然后给出属性的最优剪枝和最优节点的定义及其内在联系,并从节点角度出发,首次将最优剪枝选择问题转化为最优节点选择问题;基于上述研究和证明,提出了两个逐步最优剪枝选择算法,大大降低了最优剪枝选择的时间复杂度;最后,将该算法应用于生鲜电商案例中,探讨基于最优剪枝组合提取的决策规则在泛化能力方面的优势。UCI标准数据集下的多组对比实验证明了该算法的有效性和复杂数据集下的良好适应性。(2)属性变化时多尺度信息系统下最优剪枝的逐步动态更新算法在网络互联环境下的实际应用中,信息系统中的数据往往是动态变化的,为解决多尺度决策系统中最优剪枝的动态更新问题,基于静态最优剪枝逐步选择方法,进一步研究属性变化时最优剪枝的逐步动态更新方法。首先,在原系统已有的一个最优剪枝组合和属性序列的基础上,确定当前系统下最优剪枝逐步动态更新的一个初始剪枝组合和属性序列,避免了逐步求最优剪枝时重新计算属性序列所带来的开销;其次,提出了两个节点协调性的简化判定定理并给出了下限剪枝逐步选择算法,从而缩短了节点协调性判定的时间;最后,分别提出了属性增加和减少时最优剪枝的逐步动态更新算法。UCI标准数据集下的多组对比实验表明,相较于静态最优剪枝逐步选择算法,本文所提动态更新算法在正确获取一个最优剪枝组合的同时,计算效率明显提升。(3)对象变化时多尺度信息系统下最优剪枝的逐步动态更新算法针对多尺度信息系统中对象动态变化的情况,进一步研究了对象变化时最优剪枝的逐步动态更新方法。首先,讨论了多尺度决策系统中等价类合并对系统正域的影响,解释了最优剪枝选择过程中导致的属性值合并从而等价类发生合并的影响;然后,考虑了单个对象变化时最优剪枝组合是否要更新以及如何更新的各种情况,从而引出多个对象变化时的一般情况并给出相关证明;最后,分别设计了对象增加和减少时最优剪枝的逐步动态更新算法,并将其应用于化工生产案例,对企业节能降本等优化生产提供指导建议。

基于工业蜜罐的入侵检测系统的研究与设计

这是一篇关于工控蜜罐,入侵检测,集成学习,动态更新的论文, 主要内容为工业化和信息化的高度融合,使得当前工业控制系统逐渐暴露于互联网上,由此而来针对传统互联网的安全风险同样开始对工业控制系统造成威胁。面对层出不穷的网络攻击,作为被动防御措施的防火墙和网闸等技术已无法满足传统工业控制系统面临的威胁,而蜜罐作为一种主动防御技术,它通过设置诱饵,吸引攻击者的注意力,从而可以对攻击者的攻击行为进行收集。而传统工控蜜罐由于交互性不足,容易被攻击者识别,收集网络中安全威胁的能力相对不足。因此本文通过提高工业控制蜜罐的交互性,进一步增强蜜罐的欺骗性,通过蜜罐模拟真实工业控制网络环境,吸引攻击者对蜜罐进行攻击,通过对蜜罐遭受的入侵行为进行分析并及时预警,从而让真实工控系统能及时发现网络威胁,根据分析的结果做出相应的防御加固措施,达到保护真实工业控制系统的目的。本文具体工作如下:(1)通过对低交互工控蜜罐Conpot的研究,本文针对它存在默认模板、协议交互不足等缺点,对其进行了有针对性的改进,设计了一个高交互的工业控制蜜罐ICShoneypot。首先针对Conpot存在默认模板和特定的功能码88111222的问题,对西门子s7-400 PLC真实设备信息进行了仿真;其次针对Conpot只能读取系统状态列表(SZL)条目等信息,通过抓包工具抓取S7comm协议数据包,通过对抓取的协议信息进行分析,获取相关功能,对Conpot未实现的其他功能进行了实现;最后本文设计了一个可以登录的人机交互系统,用来增加蜜罐的欺骗性,增强其与攻击者的交互性,方便进一步收集攻击者的攻击行为。(2)针对蜜罐收集到的网络流量数据使用单一机器学习分类器检测效果较差的缺点,本文通过对传统机器学习算法进行应用,并根据选择基学习器的原则构建相应的集成学习模型,进行集成学习训练,并通过实验验证了集成学习模型检测效果的优越性。同时本文提出了一种动态可更新的入侵检测算法。通过部署的蜜罐不断采集网络攻击数据,使用CICFlow Meter工具处理收集到的数据,提取新的攻击特征,生成新的数据集,并通过新的数据集来对模型进行不断训练,从而提高入侵检测系统对未知攻击的检测效果。(3)设计了一个基于工业控制蜜罐的入侵检测系统。该系统包括蜜罐管理、数据收集、模型检测、数据管理以及其他功能模块。系统通过部署蜜罐,诱捕攻击者攻击,捕获流经蜜罐节点的实时流量信息,并根据网络协议对数据包内容进行解析,同时使用机器学习检测模型对采集到的实时流量信息进行检测后,通过Mysql进行数据存储,并通过Vue和Element UI进行可视化展示。

基于REST的通用电商平台服务端的设计与实现

这是一篇关于REST,动态更新,电商平台,通用服务端的论文, 主要内容为随着移动互联网技术的飞速发展和移动用户规模的不断壮大,电子商务业务也不断向移动端倾斜。Web、iOS、Android等不同语言、平台和版本的客户端,需要多样化的后台服务支撑。但是,服务端繁复的接口层实现欠缺通用性,业务模块与客户端之间的高度耦合,造成业务难以统一管理、变更维护困难。针对上述原因,本论文基于REST设计风格实现了一套接口通用、业务解耦、可动态管理和更新客户端的电商平台服务端架构。本论文采用自底向上的方式设计服务端框架。在底层,将服务拆分成单个REST资源,并以URI地址形式暴露服务,从根本上解除业务间的耦合。业务层是对底层资源的组合和整合,支持业务的单独改进,提高服务端的扩展性、伸缩性和灵活性。在接口层,定义一套通用的REST API接口和Mock数据,既能兼容支撑各类客户端业务以保障服务的同一性,又能提高代码复用率以实现业务的统一管理和维护。鉴于REST直接暴露资源存在安全隐患,本文增设认证和鉴权机制来保障敏感资源的访问安全。为简化客户端更新改版中需要编译和审核的繁琐流程,本文提出了一种基于配置文件的动态更新客户端方案,并提供Web端配置管理入口,方便客户端的统一管理和配置。最后,论文对基于REST的通用电商平台服务端进行测试工作。对各功能模块进行接口测试,结果表明接口设计具有通用性、响应较敏捷;对配置管理界面进行前端性能测试,结果表明配置界面交互体验良好;对存在高发请求的首页接口进行压力测试,结果表明服务端能扛住中小企业数据量级的并发压力。本论文所提出基于REST的通用电商平台服务端的方案具有一定参考价值。

基于REST的通用电商平台服务端的设计与实现

基于ZYNQ的辐射源分类系统的设计与实现

这是一篇关于辐射源分类,卷积神经网络,ZYNQ平台,可变参数,动态更新的论文, 主要内容为辐射源分类采用卷积神经网络提取电磁指纹特征是目前研究热点。车载机载等应用场景对低功耗高性能硬件实现提出了迫切需求;但是存在辐射源信号灵活多变,以及未知辐射源难以识别等难点,需要硬件实现的卷积神经网络既能够支持卷积神经网络模型和参数动态更新的同时,还能够满足高性能低功耗的要求。本文为解决这些问题,采用ZYNQ这种ARM+FPGA结构的嵌入式平台,对基于卷积神经网络辐射源分类算法进行设计与实现。并结合硬件平台中硬件资源的特点针对卷积神经网络计算结构进行优化。而且为了保证卷积神经网络的更新不会影响卷积神经网络的推理,软硬结合设计了动态更新系统,使得硬件平台能够充分满足应用需求,实现未知辐射源的分类任务。本文的主要工作如下:1.对辐射源分类的设计目标和基于卷积神经网络的辐射源分类算法进行介绍。对ZYNQ平台及其内部的关键硬件资源进行分析,并结合算法特点探讨这些硬件性能的制约因素。提出辐射源分类的系统架构。2.设计了一种针对大规模卷积神经网络的FPGA实现方案,以满足基于卷积神经网络的辐射源分类算法的计算需求。FPGA中对算法进行了整体设计和各模块的设计。针对因算法复杂度和硬件资源稀缺造成的制约,提出了一系列改进方案。使得辐射源分类算法硬件实现能够达到高性能和低功耗。3.提出了一种利用ZYNQ平台和远程服务器对卷积神经网络进行参数可变的动态更新的系统设计,以满足未知辐射源的识别和分类。利用卷积神经网络的FPGA设计,对ZYNQ中的ARM核和用于卷积神经网络训练的远程服务器进行了系统的整体设计,结合各平台特点进行任务分配,并对各部分软件系统设计优化方案。系统能够对分类算法进行平滑的动态更新,满足未知辐射源分类的软硬件系统需求,提高系统整体的鲁棒性。

基于REST的通用电商平台服务端的设计与实现

个性化的动态slope one算法的研究与实现

这是一篇关于协同过滤,slope one,动态更新的论文, 主要内容为随着大数据时代的到来,当今时代每天都有大量的数据产生,如何使这些信息得到有效的利用是当前的主要问题,上世纪九十年代推荐系统应运而生,其通过对过往信息的整理与分析,可以从海量的信息中快速的找出用户所需要的信息,使得用户得到个性化的推荐,从而不断提高用户的忠诚度.推荐系统作为信息处理系统大致可以分为:基于内容推荐,协同过滤推荐和基于模型推荐三类.当前主流的推荐算法为协同过滤推荐算法,协同过滤算法又含以下三种类型,一种是基于用户的协同过滤,另一种是基于项目的协同过滤,最后一种是基于模型的协同过滤.2005年Dianl lemire提出了一种slope one的协同过滤算法,该算法具有算法简单,易于实现,效率高准确性高等优点,但是slope one算法并未考虑用户之间的个性差异.不得不承认每个人都有自己的个性,所谓的相似也是指在某一方面的相似,正因为如此,slope one算法以整体的相似差异来预测用户在某特定方面的差异时会产生很大的误差.以推荐电影为例,如用户A喜欢看的电影类型为:科幻类和武打类,而用户B喜欢看科幻类,爱情类的电影,当我们预测用户B对科幻类电影的评分时,需要计算用户B与用户A的差异,用户A和B共同评价的非科幻类电影的差异是未知的,因为我们只知道这两名客户都喜欢科幻类,所以在使用slope one算法计算两用户的差异时其非科幻类的电影评分都可能造成误差.因此本文提出了个性化的slope one推荐算法,其方法就是在预测用户b对科幻类电影的预测时,只计算用户A和B在科幻类的电影上的差异,尽可能的减少噪声,使得预测更为准确有效,同时也减少了模型的运算量,提高了运行速度,并且使用动态更新的方式,使得推荐信息的实时变更,做到了推荐算法的准确性,有效性和实时性.