基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于MOF (Cu)@biochar气凝胶的制备及其在缓释氮肥上的应用

以羧甲基纤维素(CMC)、明胶和MOF(Cu)@biochar为原料,采用简单有效的冷冻干燥方法制备了(CMC/Gelatin/MOF(Cu)@biochar)杂化气凝胶,并用傅里叶变换红外光谱(FT-IR)、热重分析(TG)、X射线粉末衍射(XRD)、扫描电镜(SEM)和X射线光电子能谱(XPS)技术对其进行了表征;研究了MOF(Cu)@biochar含量、pH和不同的盐水溶液对杂化气凝胶溶胀行为的影响;以该气凝胶负载氯化铵,制备了一种新型缓释肥料(SRF),并研究了含2%(wt)SRF的沙性土壤的保水能力;SRF在土壤中第30天的累积释放率为79.4%;肥料在土壤中释放符合非Fickian扩散和阳离子交换的协同作用机理。     

突出矿井瓦斯抽放限制影响因素的AHP-熵权法评价模型

为提高煤与瓦斯突出矿井瓦斯抽放效果,建立了3个一级指标、14个二级指标的突出矿井瓦斯抽放限制影响因素评价指标体系,利用AHP和熵权法分别确定指标因子主、客观权重.通过实地调研分析和反馈验证了AHP-熵权法的可行性和正确性,利用加权平均法确定评价模型的综合权重.研究表明:封孔方式、钻孔半径、抽放时间、煤体裂隙发育程度和抽放负压是目前影响煤矿瓦斯抽放效果的主控因素.     

矢量语音传感器微阵列

人工智能的普及促进了语音交互技术的发展,语音传感器阵列作为智能语音交互的硬件前端,成为语音交互领域的前沿研究方向.矢量语音传声器自有的偶极子指向性、零点深度以及阵列体积小便于集成的特点特别符合语音交互技术对硬件设备的要求.基于此,通过采用两组矢量敏感单元"共点正交"形成矢量微阵列实现声源空间锐化波束指向,其不受瑞利限与空间采样率限制,与传统空间离散分布的声压麦克风阵列有着本质区别,是矢量微阵列的核心优势所在.矢量微阵列传声器弥补了现有双麦阵列的不足,具有更为广阔的应用前景,作为智能语音交互的硬件前端,对推动智能语音交互领域的发展具有重要意义.     

“电工学”国家级一流课程建设与实践

根据新时代新工科人才需求特点和电工学课程特点,分析非电专业学生的电类实践需求,提出构建电工学课程为核心的电工电子实践创新能力培养新体系。通过优化教学内容、开展教学模式和考核模式改革、构建教学资源体系和进行教师队伍建设,使我校电工学课程教学质量提升、学生工程实践和创新能力提高、学生满意度增加、一流课程建设成效显著。     

掺钪AlN材料特性及HBAR器件性能研究

该文基于掺钪AlN薄膜制备了高次谐波体声波谐振器(HBAR),研究了钪(Sc)掺杂浓度对AlN压电薄膜材料特性及器件性能的影响。研究表明,当掺入Sc的摩尔分数从0增加到25%时,压电应力系数e₃₃增加、刚度 下降,导致Al₁-_xSc_xN压电薄膜的机电耦合系数 从5.6%提升至15.8%,从而使HBAR器件的有效机电耦合系数 提升了3倍。同时,当Sc掺杂摩尔分数达25%时,Al₁-_xSc_xN(x为Sc掺杂摩尔分数)压电薄膜的声速下降13%,声学损耗提高,导致HBAR器件的谐振频率和品质因数降低。     

一种飞行计划航段自动激活方法

飞机从一个航段飞向下一个航段时,需要对下个航段是否激活进行判断.提出了一种新的飞行计划航段自动激活方法,通过获取飞机当前位置及其磁差,并结合临近的3个航路点对应位置的磁差经纬度,分别计算3个航路点与飞机位置对应的磁航向角,通过磁航向角之间做差进行比较,进而判断是否被激活.算法推导完成后,通过基于模型的系统工程工具SCADE SUITE进行了建模,并结合杰普逊航图进行了实际数据采样与仿真.仿真结果表明:该航段自动激活方法能够有效稳定地激活下一航段,比传统方法计算简便,方法实用有效.已在实际飞行中成功应用,达到了预期效果.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.