基于增量数据库关联规则挖掘算法研究

近年来数据生成和收集技术的发展使得面向科研、管理等领域的数据集十分庞大,从而对海量数据集进行的信息提取变得更加迫切。文章对数据挖掘的概念及所要达到的目标进行剖析,对增量数据库关联规则挖掘算法进行研究,通过举例对数据库关联规则挖掘算法的实际应用进行了分析。     

数字电视条件接收系统解密算法的实现

条件接收系统为数字电视的运营提供必要的技术保障,是数字电视的重要组成部分。数字电视条件接受系统的核心是对加扰控制字的加解密问题。文章主要介绍采用循环法的方式实现DES解密算法,对加密处理过的数据进行解密,仿真结果论证了该算法实现方案在条件接受系统中的可行性。     

FIR数字滤波器的FPGA设计与实现

提出了一种基于现场可编程门阵列器件FPGA并利用窗函数法实现一个16阶线性FIR．数字滤波器的设计方法。对于在FPGA中实现FIR．滤波器的关键部分——乘加运算,该设计主要采用了将乘加运算转化为查找表的并行分布式算法,与传统串行算法相比,这种方法可极大地减少硬件电路的规模,提高电路的执行速度并且充分利用了FPGA丰富的查表资源。从时域上对基带信号可直接进行成形,因此其实现的滤波器性能优于用DSP和传统方法实现的滤波器,特点是算量较小、精度高,更适用于实时系统。     

自动化行政对行政程序的挑战及其制度因应

在自动化行政中广泛使用的自动化决策系统主要包括基于规则的专家系统和基于机器学习的算法系统,上述两类系统目前已经应用于交警非现场执法、自动化公共信用评价、自动化行政审批等场景中。由于受到数据来源、算法及系统因素的影响,自动化决策系统在公共行政中的使用可能会对告知、陈述意见、信息公开、说明理由等程序保障造成破坏。对此,理论与实践提出了两种解决路径：一种是数据权利的程序化,另一种是行政程序的数字化。不过,上述两种解决方案主要是从普遍适用性的角度出发,未考虑实际执行中的不确定性因素。基于此,应当以现有方法为基础,对自动化行政进行分级,根据程度不同的自动化来匹配相应的行政程序要素,既回应行政程序的现实困境,也发挥自动化决策系统的优势,不断推进数字法治政府建设。     

金融企业DNA的应用及实现

金融企业通过使用电子银行/支付安全系统(DNA)技术后可以把交易资料和授权资料分两个渠道传送到银行账户主机。DNA系统改变了银行各种电子交易处理平台沿用几十年的单轨式交易传送系统,而采用双轨式的交易传送系统,有效解决了因客户重要金融资料遗失或被盗后引发的风险。本文以一商业银行对此技术的应用及实现进行阐述。     

数字时代算法对国际传播的格局重构

随着大数据与算法等信息技术发展,全球网络传播出现用户、数据、算法要素突出的新趋势,带来重构国际传播格局的机遇。算法是平台发挥数据力量的基本规则,是重塑关系的中介,也是塑造话语权力的政治博弈点,改变了国际传播的渠道、主体、内容和效果等要素。因此,在数字时代全球传播环境中,要积极拓展对外传播的平台建设并借助算法等技术力量发展,以突破西方中心的世界传播秩序,重构平等、多元的对外传播格局。     

精准还要更丰富：探索对外传播算法驱动的对内价值

以算法促推精准传播、提升战略传播能力是我国增强国际传播实力的技术路径之一。要实现算法驱动的精准传播,前提条件是要形成“丰富社交”,即被大规模使用的社交网络、高度活跃的用户群体以及规模化的数据增长。算法驱动的对外传播同时还具有对内价值,即用户的算法推荐反馈可以作为对象社会的感知器,算法数据触发可以优化社会动力学模型,以及主动用户的技术养成可以避免被算法反向异化。     

俄乌冲突中的算法认知战与计算宣传机制评析

俄乌冲突是互联网时代的一次大型军事冲突,网络技术已经内嵌入战争进程,基于网络技术的算法认知战成为与现实战争有所区别但又密切相关的“第二战场”。获得美西方技术援助的乌克兰在该战场占据明显优势,从而影响整体战事的最终走向。俄乌冲突是一个网络技术作用于战争的鲜活案例,向我们展示当下信息强国算法认知战的新特点,也对我国从话语博弈、科技博弈、战略博弈等方面,加强信息领域安全建设有重要启示。     

技术赋能:互联网时代教材数字化出版刍议

互联网时代,知识的生产、传播机制,课堂的组织和教学模式均发生了巨大而深刻的变化,作为知识载体和教学工具的教材呈现出新的样貌,数字教材将成为教材进化的一个重要方向.互联网时代的知识过滤机制——社交机制和算法机制是数字教材运行的逻辑:社交机制将使数字教材形成一个"专业的知识网络",算法机制将为用户推送个性化的知识服务.数字...     

PVsiRNAPred-LSTM:基于长短时记忆神经网络预测植物病毒衍生的小干扰RNA

植物病毒衍生的小干扰RNA(Virus-derived siRNAs, vsiRNAs)能够调节多种生物学过程,在抗病毒免疫中发挥着非常重要的作用。因此,植物vsiRNAs的识别有助于了解其生物发生机制,对研究抗病毒植物具有重要意义。虽然,现在已有多种实验方法通过检测RNA来寻找vsiRNAs,但是实验测试费时费力费钱。在本文中,我们从PVsiRNAdb数据库中提取植物vsiRNAs序列,基于长短时记忆神经网络(Long Short-Term Memory neural network, LSTM)与vsiRNAs序列,开发了一种深度学习算法——PVsiRNAPred-LSTM,用于预测植物vsiRNAs。PVsiRNAPred-LSTM可以自动学习并选择与预测任务相关的重要特征。为了防止模型过拟合,我们使用了五折交叉检验来训练模型。在五折交叉检验测试中,该模型的准确率为64.38%,灵敏度(Sn)为66.44%,精确度(Pr)为60.51%,F1值为0.64,特异性(Sp)为56.63%,马修斯相关系数(MCC)为0.23,AUCROC为0.67。以上结果表明PVsiRNAPred-...