网络异常流量检测与处理模型的设计与实现

网络异常流量检测是互联网流量工程的重要组成部分,对网络的资源分布、容量规划、服务质量分析、错误监测与隔离、安全管理都十分重要。本文在分析了异常数据分析系统的工作流程的基础上,应用了一种基于自回归(AR)模型的实时异常流量检测方法来实现异常流量检测功能,构建了异常流量模型,     

基于贝叶斯的金融时间序列预测研究

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息,导致预测结果和实际数据的偏差较大,贝叶斯参数估计方法可以充分利用参数的先验信息,使得估计参数的方差更小,估计结果更加精确,预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展,贝叶斯分析方法估计模型的计算困难逐渐减弱,因此,近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据,采用Eviews和WinBugs软件,对样本数据进行预处理,利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。     

基于IGOWLA算子的中国粮食生产价格预测研究

为探究我国粮食价格波动规律及预测其值,选取2005-2016年中国各季度粮食生产价格数据,首先对其波动性进行描述分析;其次建立一种基于IGOWLA算子的组合预测模型:选择ARMA模型、Holt-Winters乘法模型、残差自回归模型这三种单项预测模型,并通过5种误差评价指标来判断预测模型的效果,结果表明组合预测模型的预测效果较好、准确性较高;接着利用所建立的组合预测模型对2017年各季度粮价进行外推预测,结果表明2017年粮食价格有所上升但相对波动较稳;最后提出政策建议。     

雅鲁藏布江中下游径流预测方法的对比分析

径流预测是水资源研究领域中的一项重要内容,对于区域社会经济规划具有重大的意义。引用雅鲁藏布江中下游羊村站和奴下站1980—2010年的径流资料,采用自回归模型、门限回归模型和人工神经网络模型进行年径流预测,采用自回归模型、季节性自回归模型和季节性人工神经网络模型进行月径流预测。结果表明:年径流预测中,几种预测模型的预测精度均不高,相比较而言,一阶自回归模型和人工神经网络模型的预测结果更优;月径流预测中,季节性自回归模型和季节性人工神经网络模型在枯水期的预测精度均较高,但在丰水期径流预测效果欠佳。     

广西北部湾经济区人才需求量预测及人才发展研究

选取广西北部湾经济区人才需求数量作为研究对象,以历史数据为基础,结合现实及未来发展趋势,运用残差自回归模型对广西北部湾经济区未来人才需求数量进行量化预测,预测结果表明：效果良好、精度较高,并以此为依据针对性地提出一系列建议,以期对广西北部湾经济区未来几年人才培养机制的改革提供参考。     

基于变权组合预测模型的临沂市GDP预测

根据GM（1,1）模型和自回归模型的特点,建立了综合GM（1,1）模型和自回归模型的变权组合预测模型,并对临沂市GDP进行分析预测,与实际情况非常相符,具有较好的预测效果．     

时序自回归差分方程模型在传染病预测中的应用

本文通过分析传染病的特性,建立了时序自回归差分方程模型,对SARS传染病的流行规律进行了进一步研究,并讨论了平衡点及其稳定性.仿真结果表明,使用自回归差分方程模型预测传染病的流行趋势,具有精度高、简单易行的特点.     

AR模型在预测中的分析

在条件期望和一步预测的理论基础上分析了AR模型特,量,对AR（1）与AR（p）模型在随机过程的预测性能特别是预测条件方差进行探讨,分析其参数对模型的影响．     

基于非线性组合模型对石油价格的预测

鉴于石油在国民经济中的重要地位及其对金融市场的重要影响,提出新的非线性组合预测模型:HP滤波-AR模型-ARMA模型,使用HP滤波将原序列分解成两部分即周期性波动序列和趋势要素序列。根据两个序列的不同性质,对趋势要素序列建立AR模型,然后建立随机周期性波动序列,对随机周期性波动序列建立ARMA模型。将两个预测值之和与原序列比较,同时将该模型与其他模型进行对比。对比结果表明,预测精度高于其他模型。     

自适应预测参数分析

通过试验对影响算法收敛性的参数进行研究,合理选取参数提高自适应预测器的精度。试验对语音信号进行LPC分析得到的AR（2）信号为预测器输入,MATLAB仿真构造自适应线性预测器,采用LMS算法进行训练。试验表明,输入信号特征值的分散度越大,其收敛性越差。自适应预测试验验证了自适应预测过程参数分析选取的有效性。     

基于层次注意力模型的软件众包定价方法研究

为了解决软件众包任务定价决策阶段可用信息有限的问题,提出一种基于层次注意力模型的软件众包定价方法。利用层次注意力模型提取软件众包任务需求文本语义特征,可以在需求文本中自动发掘与任务价格相关的有效信息。此外,将文本划分成词和句两个层次对全文进行有重点的表示,可以更好地表示文本特征。实验结果表明,该方法能够有效克服生产环境的局限性,降低特征提取难度,并在一定程度上提高了预测性能。     

大数据时代的高校校园网研究

互联网的高速发展极大地改变了我们的生活方式,高校校园网的发展和建设也改变了学校日常的教学和管理工作。随着大数据的出现,高校校园网建设也面临了一些新问题。针对这个应用背景,提出了一些高校校园网的解决方案。     

基于Google Bigtable的海量数据存储探索

随着网络技术的快速发展,存储网络中的海量数据已经超越了传统关系型数据库的负载能力.如何存储海量数据,以及如何基于海量数据提供高效的数据查询的能力,使得程序的使用者能够得到及时的回应等诸多问题是Google等网络服务供应商们所亟需解决的挑战.为了解决这些问题,Google研发了Google文件系统(Google File System,GFS)、Bigtable以及很多其他相关的技术和算法.本文介绍了Google Bigtable的数据模型,并且详细解释了Bigtable是如何提供可扩展性,如何提供高效率的读和写操作,以及Bigtable是如何控制并发事务的.读者通过阅读可以更加深刻地理解Bigtable的技术架构.     

基于神经网络的大数据分析方法

基于不同视角和情境特征的大数据定义诠释了大数据的 5V 特性,在扩展大数据价值空间与应用模式的同时催生了以“数据驱动+模型驱动”范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网络设计对比实验,运用两个公开数据集对其进行训练,并在输出层分别使用L2-SVM 和 Softmax 激活函数。在手写数字识别和彩色图像识别中,L2-SVM 的识别错误率分别为 0.87%和11.9%。实验结果表明,基于 L2-SVM 的神经网络大数据分析方法可以获得更高的识别精度。     

基于人工智能的大学英语教学模式研究

如何避免“哑巴英语”一直是我国大学英语教学的难点。近年来,人工智能AI在自然语言理解、图像识别等多个领域获得突破,如何将AI技术引入大学英语教学中,与大学英语“教”和“学”的环节进行高效融合尚未得到充分研究。针对该问题,分析相关AI技术为大学英语教学模式提供演进动力的可能性,探究部分AI技术与大学英语教学相结合的可能性,尤其是对自主学习具有重要作用的评价反馈中应用的可能性,并在此基础上探索AI背景下大学英语教学新模式。研究结果表明,引入AI技术为当前大学英语教学模式改革提供了新的思路和切入点,对达成大学英语教学目标具有重要意义。     

基于大数据分析的学习评价

针对目前高校课程评价手段单一,不能满足学生个性化学习的要求,本文提出了一种具有个性化和发展性特征的学习评价模型。该模型基于学生课堂教学、课外自学和部分日常生活构成的大数据,通过数据挖掘技术,给出课程学习过程中对每个学生的评价。学习评价关注学习的每个阶段,给出的建议符合学生个性化要求,并可帮助教师因材施教。教学实践结果显示,这种学习评价有助于改善学生的学习。     

基于UML的构件化数据挖掘体系结构模型描述

针对构件化数据挖掘体系结构从分析模型到设计模型之间存在难以逾越的鸿沟,本文在已建立的构件化数据挖掘体系结构基础上,提出利用UML的设计类图对构件化数据挖掘体系结构进行描述,消除因人而异的理解,为从分析到设计直至实现的平稳过渡起到了关键的作用。     

大数据形势下的广播电视安全播出技术研究

我国科学技术的进步带动了广播电视技术的较快发展,使广播电视实现了网络化与数字化,这在较大程度上在大数据背景下为广播电视安全播出提供较大的安全保障,这就需要采用广播电视安全播出技术保证广播电视的质量,不但能够使我国文化资源得到有效丰富,而且可加快我国广播电视行业的未来发展。本文主要阐述了大数据形势下广播电视安全播出技术的作用,并对广播电视安全播出技术进行了详细的分析,最后探究了广播电视在大数据形式下的未来发展前景,为此提出几点意见,仅供参考。     

基于大数据的个性化英语教学策略研究

随着教育改革进程的加快以及信息化教育发展的推进,我国英语教学传统的教学模式,忽略了对学生个性化学习的培养。在大数据的时代背景下亟须对我国个性化英语教学做出相应的改革。首先介绍大数据的含义以及基本特征,其次阐述个性化英语教学的基本要求,从而分析出大数据对个性化英语教学的影响,并在此基础上提出基于大数据的个性化英语教学策略。     

基于大数据应用的工程造价管理研究

现代科学技术正处于蓬勃发展,各行各业都面临信息化的发展与变革。建筑业在进行产业结构升级过程中亦需要信息化管理才能改变技术落后、效率低下等问题,从而提高生产效率和管理水平。随着大数据、云计算和BIM等新技术越来越快地融入建筑企业,工程造价的信息化程度也逐步加深。在信息化建设过程中,工程造价行业累积了庞大的数据,如何充分利用这些工程造价数据,有效控制项目成本,提高建筑企业在行业中的竞争力,推进工程行业发展显得尤为急迫。