在密码学和计算机安全领域中，中间人攻击（Man-in-the-middleattack，通常缩写为MITM）是指攻击者与通讯的两端分别建立独立的联系，并交换其所收到的数据，使通讯的两端认为他们正在通过一个私密的连接与对方直接对话，但事实上整个会话都被攻击者完全控制。
在中间人攻击中，攻击者可以拦截通讯双方的通话并插入新的内容。
在许多情况下这是很简单的（例如，在一个未加密的Wi-Fi无线接入点的接受范围内的中间人攻击者，可以将自己作为一个中间人插入这个网络）。
在中间人攻击中，攻击者可以拦截通讯双方的通话并插入新的内容。
在许多情况下这是很简单的（例如，在一个未加密的Wi-Fi无线接入点的接受范围内的中间人攻击者，可以将自己作为一个中间人插入这个网络）。
2024/3/13 18:16:34
262KB
1
在异构信息网络下往往会产生纷繁复杂的数据，这些数据常用一种被称为张量的新的形式来表示。
但是由于这些数据中缺失值较多，存在一定的稀疏性，因此需要对张量进行分解，恢复缺失值，找出多元数据之间潜在的关系。
张量分解是推荐系统中一种重要的方法,在推荐系统中应用张量分解，可以挖掘出潜在关系，给用户带来更好的推荐体验。
笔者以数据挖掘为引，研究了张量分解及其在推荐系统中的应用，并根据当下的研究热点问题提出了未来张量分解在推荐领域的应用方向和发展趋势。
但是由于这些数据中缺失值较多，存在一定的稀疏性，因此需要对张量进行分解，恢复缺失值，找出多元数据之间潜在的关系。
张量分解是推荐系统中一种重要的方法,在推荐系统中应用张量分解，可以挖掘出潜在关系，给用户带来更好的推荐体验。
笔者以数据挖掘为引，研究了张量分解及其在推荐系统中的应用，并根据当下的研究热点问题提出了未来张量分解在推荐领域的应用方向和发展趋势。
2024/3/13 10:14:54
976KB
1
omnetpp-5.4.1-src-windows.zipOMNeT++是一个免费的、开源的多协议网络仿真软件，在网络仿真领域中占有十分重要的地位。
OMNeT++英文全称是ObjectiveModularNetworkTestbedinC++，是近年来在科学和工业领域里逐渐流行的一种基于组件的模块化的开放的网络仿真平台。
OMNeT++作为离散事件仿真器，具备强大完善的图形界面接口。
OMNeT++英文全称是ObjectiveModularNetworkTestbedinC++，是近年来在科学和工业领域里逐渐流行的一种基于组件的模块化的开放的网络仿真平台。
OMNeT++作为离散事件仿真器，具备强大完善的图形界面接口。
2024/3/12 2:14:50
96B
1
《模式分类》(原书第2版)的第1版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经曲名著。
在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。
作者还为未来25年的模式识别的发展指明了方向。
书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。
在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。
作者还为未来25年的模式识别的发展指明了方向。
书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。
2024/3/11 15:11:36
17.09MB
1
目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
2024/3/11 5:24:12
3.58MB
1
决策树方法在分类、预测、规则提取等领域有着广泛应用。
在20世纪70年代后期和80年代初期，机器学习研究者J.RossQuinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。
Quinilan后来又提出了C4.5，成为新的监督学习算法。
1984年几位统计学家提出了CART分类算法。
ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。
在20世纪70年代后期和80年代初期，机器学习研究者J.RossQuinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。
Quinilan后来又提出了C4.5，成为新的监督学习算法。
1984年几位统计学家提出了CART分类算法。
ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。
2024/3/11 4:56:35
1.4MB
1
最优控制领域经典，全面的介绍了该领域的主要成果，全书理论深刻、方法具体、实例丰富，特别有关于如何处理路径约束的知识，是相关领域的必备书。
2024/3/10 4:48:12
22.64MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB