请读者鉴别一篇文章

12月5日，编辑部接到一电子邮件，称本刊2006年第22期上刊发的山东某职业学院陈某的文章《同轴电缆的特性与故障检测》系“抄袭”之作。来信说，陈文的前半部分与《电子报》2006年2月19日第18版上刊登的《同轴电缆的主要特性》一文，“几乎一字不差，就连文内小标题的编号和顺序都一模一样”。编辑部经认真核查，确认举报情况基本属实。     

光谱法鉴别油茶籽油的真伪

采用紫外光谱法、荧光光谱法、表面增强拉曼光谱对油茶籽油、掺玉米油油茶籽油等进行分析测试。结果表明,紫外光谱法对油茶籽油的掺假比较难以鉴别,荧光光谱法能够一定程度上对掺假油茶籽油进行鉴别;不同掺假比例的油茶籽油与纯油茶籽油的表面增强拉曼光谱可明显区分,且掺假比例越大,掺假样品与纯油茶籽油的鉴别效果越好,因此表面增强拉曼光谱可作为一种简单、可靠的方法用于鉴别油茶籽油。     

数字校园中管理信息系统安全体系结构设计与应用研究

针对高校管理信息系统面临的安全威胁和挑战,提出了1C4GS安全体系结构,阐述了1C4GS的5个重要组成部分：安全管理中心、安全通信网络、安全区域边界、安全计算环境及安全应用系统的内涵和作用。以数字校园典型案例——“个人基本事项申报系统”为例,构建了基于1C4GS的高校管理信息系统安全应用方案,对包括透明数据加密,用户身份鉴别,表单编辑缓存在内的多种安全技术和策略进行了有机整合,实现了管理信息系统的网络安全、边界安全、计算环境安全和应用系统安全。     

应用太赫兹光谱技术快速无损鉴别中草药品种

确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法,本文应用太赫兹光谱技术结合模式识别方法对6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等6种常用中草药,共得到420组太赫兹光谱数据,在0.2~1.5 THz波段分别采用支持向量机(SVM)、主成分分析(PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对6种中药材进行了定性鉴别分析。结果表明,太赫兹光谱数据结合线性判别分析和支持向量机建立的LDA-SVM中草药品种识别模型最优,模型准确率达100%,对未知样本的鉴别准确率达98.41%。本文的LDA-SVM模型具有较好的鉴别能力,能快速准确地鉴别出中药材的品种,为中草药的质量控制提供了又一鉴别手段。     

可视化阵列传感器技术鉴别不同香型白酒

决定白酒香型的物质种类繁多,成分复杂.采用可视化阵列传感器技术对中国白酒五大香型的代表酒样进行检测,在可视化区分的基础上采用分层聚类分析、主成分分析等统计分析方法,对检测结果进行分析.不同香型的白酒在聚类分析中可以正确归类,利用主成分分析得到的前3个主成分所代表的白酒75.8%的信息量就可以将不同香型白酒完全区分开,表...     

辐射源识别系统中分类器设计及其应用

针对辐射源识别系统中分类器设计分析的不足,本文从分类器的两大基本任务拒识和鉴别出发,研究辐射源识别系统中的分类器设计。首先详细分析了拒识和鉴别先后执行顺序对系统性能的影响;然后阐述了拒识分类器和鉴别分类器设计所需要考虑的要点;最后根据当前分类器和工程应用的状况,分析适合于辐射源识别系统的分类器。     

ISO/IEC JTC1/SC27信息安全国际标准化新动态

正ISO/IEC JTC1/SC27(信息安全分技术委员会)2014年工作组会议于10月19~24日在墨西哥召开。全国信息安全标准化技术委员会(以下简称信安标委)组织的中国代表团一行15人全程参加了此次会议。1会议热点主题1.1 SC27工作机制发生重要变化10月19日,召开了特别工作组专门会议。2013年4月,SC27在全体成员国会议上决定成立管理特     

解读:支持国密算法的PCI-E高速密码卡

<正>PCI-E高速密码卡对目前国内市场的意义计算机与网络的广泛使用让信息的生产、存储、获取、共享和传播更加方便,同时也增加重要信息泄密的风险,因此以安全通讯、身份鉴别、信息保护和保密为核心内容的信息安全建设已成为各行各业信息系统建设的重点。商用信息安全产品领域大多数核心密码设备采用"密码卡+工控机主板"这种架构方式。PCI规范定义的总线速度最高只有133MB/s,PCI接口的密码卡性能随之受到限制。随着通信技术的不断发展,     

基于ARM的文本独立笔迹鉴别系统设计

笔迹鉴别是通过分析手写笔迹信息来判断书写者身份的特征分析技术,为提高笔迹鉴别的科学性和准确性,设计了基于ARM嵌入式系统的文本独立（Text-independent）笔迹鉴别系统。系统包括笔迹采集端、数据传输部分和上位机处理端3个部分。首先给出了总体设计和详细的工作流程,并对笔迹信息采集模块和数据传输部分进行分析,最后结合笔迹图像预处理技术和纹理特征分析方法,采用基于多维度Gabor变换和支持向量机（Support Vector Machines,SVM）方法进行实时笔迹鉴别。实验表明,系统鉴别率高,达到了良好的预期效果。     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。