为了提高网络入侵检测率，提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型（CQPSO-LSSVM）。
将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDDCUP99数据集进行仿真测试。
结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDDCUP99数据集进行仿真测试。
结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
2021/7/18 2:35:40
549KB
1
针对无线传感器网络分簇路由协议所筛选簇头节点的位置分布不均衡及转发节点的数据传输路径不合理会加剧节点能量消耗、缩短网络生存周期的问题，提出一种基于改进粒子群优化算法的分簇路由协议。
在簇头选举过程中，通过定义节点的能量因子和位置均衡因子建立新的顺应度函数，评估和选择更优的候选簇头节点；
通过优化的自顺应学习因子调整候选簇头节点的位置更新速度，扩大局部搜索并加快全局搜索的收敛速度。
根据转发节点与基站的距离确定采用单跳还是多跳传输方式，设计一种基于最小生成树的多跳方法，为转发节点数据传输选择最优的多跳路径。
仿真测试结果表明，基于改进粒子群算法的分簇路由协议能够选举能量与位置更均衡的簇头节点和转发节点，缩短了网络的通信距离，节点的能耗更低且更均衡，有效延长了网络生存周期。
在簇头选举过程中，通过定义节点的能量因子和位置均衡因子建立新的顺应度函数，评估和选择更优的候选簇头节点；
通过优化的自顺应学习因子调整候选簇头节点的位置更新速度，扩大局部搜索并加快全局搜索的收敛速度。
根据转发节点与基站的距离确定采用单跳还是多跳传输方式，设计一种基于最小生成树的多跳方法，为转发节点数据传输选择最优的多跳路径。
仿真测试结果表明，基于改进粒子群算法的分簇路由协议能够选举能量与位置更均衡的簇头节点和转发节点，缩短了网络的通信距离，节点的能耗更低且更均衡，有效延长了网络生存周期。
2021/8/18 13:53:49
919KB
1
Ansible是一个开源的基于OpenSSH、简单和易用的自动化运维管理软件，可以用它来配置零碎、部署软件和编排更高级的IT任务。
2015/5/3 5:40:12
29.7MB
1
1：DB2实验报告1(对应Unit123)2：DB2实验报告2（对应Unit4）3：DB2实验报告3（对应Unit5，含5.8）4：DB2实验报告4（对应Unit6)5：DB2实验报告5(对应Unit7）
2018/1/20 15:25:48
5.7MB
1
目录网盘文件永久链接第01周DB2基础第02周DB2功能优化方法系统第03周从监控开始第04周配置参数调整第05周日志优化第06周DB2运维工具优化第07周锁机制深入解析第08周DB2索引优化第09周SQL语句调优
2016/2/10 13:26:01
325B
1
通过新一代高级语言Julia实现标准粒子群算法，代码简约，注释全，可拓展性强可直接用于求解无约束工程优化问题，也可基于此代码进行算法学术改进，算法应用拓展输入：决策变量数，种群规模，粒子群算法参数，最大迭代次数输出：最优解，最优适应度，测试问题三维描述图，动态粒子群更迭图，收敛迭代图
2016/7/18 17:33:03
4KB
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