基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

刘仁隆的诗词体古典数学题

<正>明朝数学家刘仕隆,于永乐四年(1406年),预修《永乐大典》,退公之暇,编成33款难题(诗词体数学题),后附于刘仕隆《九章通明算法》(1424年)之末尾,这是继朱世杰之后,我国现有史料中第二本诗词体古典数学题集。这些诗词体古典数学题,后被吴敬《九章算法比类大全》(1450年)、程大位《算法统宗》(1592年)等书引录,流传广泛。但由于吴、程在书中未注明出处,刘仕隆的《九章通明算法》早已失传,所以在我国数学史界,一直是个"谜"!2006年前夕,天津师大李兆华教     

基于功率谱包络能量和SVM的舰用发动机故障诊断

发动机是军舰上的重要部件之一,其稳定性对军舰的正常航行具有重要影响。以舰用发动机关键部件(主泵轴承)为具体研究对象,提出了基于功率谱包络能量和支持向量机相结合的故障诊断方法。首先获取了大量可表征舰用发动机主泵轴承健康状态的振动加速度信息,对其进行功率谱分析,获得其功率谱的包络能量;以获取的舰用发动机主泵轴承功率谱的包络能量构建特征向量,并设计基于SVM的舰用发动机主泵轴承故障诊断模型,对主泵轴承的故障进行诊断研究。研究结果表明,采用基于功率谱包络能量和SVM相结合的舰用发动机关键部件故障诊断方法,可以很好实现主泵轴承的故障诊断效能,为舰用发动机主泵轴承故障诊断的工程应用奠定了基础。     

来稿注意事项

正1.自由投稿,文责自负,来稿请附作者单位推荐信(负责稿件的保密审查).请勿一稿两投,勿将稿件寄给个人.2.来稿一式两份(微机打印稿).稿中外文字母应分清文种、大写、小写、上角、下角、正体、斜体,易混淆之处请注明.3.稿件应主题突出,论点明确,论据可靠,文字简练通顺.文稿形式包括:研究论文:一般不超过6000字(含图、表、200字的中文摘要和约2000印刷字符的英文摘要).研究简报:约4000字(含图、表及英文摘要).     

普通话轻声音节特性分析

本文讨论普通话轻声音节在音强、音长、音高和音色各方面的特性。声学分析结果表明:1.轻声音节的音强不一定弱;2.轻声音节的音长一般短于正常重读音节,大约为正常重读音节长度的五分之三左右,但内部差异很大;3.轻声音节的音高特点最为明显:失去原来的单字调型,在上声音节之后读中平调,在阴平、阳平和去声音节之后读中降调;4.轻声音节里的不带音辅音很容易浊化为带音辅音,元音普遍读得较松,但无论单元音还是复合元音,其原有音色仍可分辨。     

《中国光学》投稿须知

1征稿范围本刊征集反映国内外光学、光电子学、光学技术应用的最新科学理论、研究成果、前沿技术和发展动态的原创性论文、技术报告、阶段性研究报告和综合评述等。2稿件要求来稿应信息准确、论点鲜明、实验数据可靠、条理清晰、文字精炼,一般在6000字左右为宜,综述性论文可适当放宽。具体要求如下:     

多缝衍射光谱技术

本文从重叠干涉强度分布和重叠光谱强度分布的概念出发,论证和推导了多缝衍射光谱技术中复原光谱的极限理论分辨率的公式。讨论了稳定求解的条件。并对多缝衍射光谱技术和经典的衍射光谱技术两者的光谱分辨本领作了比较,同时给出了几个计算机实验的结果。     

基于归一化割的主题划分算法研究

为了保证抽取信息的全面性,主题划分成了不可或缺的工作。借助同义词词林,从词语的语义角度计算文本中各个段落间的相似度,建立段落文本关系图。基于文本关系图对归一化割分割准则中权值矩阵的构建做出调整,使之更能体现出段落间的相似程度,并使用该准则对文本进行主题划分。结果表明,该方法无论是对连续段落还是跨段落表达同一主题的主题划分均较为有效。     

一种基于稀疏编码空间金字塔匹配的图像分类算法

图像分类技术是近年来计算机视觉领域中的研究热点,在移动互联网领域中取得了成功应用。提出了一种基于稀疏编码空间金字塔匹配的图像分类算法。该方法首先对图像的SIFT特征进行稀疏编码,替代了传统的矢量量化方法,可以有效降低量化误差,构建更为准确的图像表征方式,然后结合空间金字塔匹配算法采用线性分类器对图像进行分类识别。在标准测试图像数据库上的实验结果表明,相比BOF和SPM方法,该算法可以将图像分类准确率提高4%~12%。