入侵检测的1类支持向量机模型

计算机网络尤其是互联网的迅速发展与普及 ,使得信息安全已经成为一个全球瞩目的重要研究课题。随着攻击技术的不断进步与更新 ,迫切需要一种有效的入侵检测技术来保护信息系统的安全。由于几乎所有的攻击与滥用都被记录在系统的网络数据中 ,因而可以基于计算机系统的网络数据构造入侵检测系统。在对网络数据进行深刻的分析和研究的基础上 ,提出了入侵检测的 1类支持向量机模型。第一 ,构造适于异常点检测的1类支持向量机模型 ;第二利用抽象化的网络数据对该模型进行训练以确定其中各个参数的值。实验表明 ,该方法是行之有效的     

企业计算机网络的安全管理

从技术手段和制度规范上，综合提出了企业计算机网络的安全管理策略。     

计算机安全技术

在当今信息时代，林业安全管理所需要的信息要实现网络化必须以计算机安全技术为基础。本文主要介绍了计算机安全技术所需要注意的一些问题，同时举例说明实现单机运行安全的几种方法。     

供水管线震害量化参数--渗漏面积的估算方法

为了分析管线破坏状态对震后供水管网功能的影响，首先需要对管线的震害状态进行量化。建议用管线渗漏面积标定管线的破坏状态。在管线震害分析和理论计算的基础上，提出了震后管线渗漏面积的计算方法，为进一步进行供水管网抗震分析和设计提供了研究基础。     

QUALITY OF HYDROMETEOROLOGICAL DATA IN COLD REGIONS1

ABSTRACT: Many users of hydrometeorological records are not aware of the number of inconsistencies and biases that occur in hydrometeorological records. Examples are presented illustrating how the exposures of sites for measurement of precipitation, wind, snow on the ground, and evaporation determine to a large extent how useful the records are for estimating areal conditions. For areas where precipitation in the form of snow produces a significant portion of the runoff, a smaller number of quality records may be more valuable for modeling than a much larger number of records of lower quality. Information is presented to show that the overall value of an operational hydrometeorological network is dependent upon how consistent and representative of average conditions the collected records are, especially for mountainous areas in cold regions.     

神经网络及其在水库调洪演算中的应用

结合洪水灾害管理的特点建立了水库调洪演算的人工神经网络模型，阐述了其基本原理及算法，并结合某水库调洪演算实例说明了其应用。     

基于神经网络的重大危险源动态分级研究

利用自组织神经网络对重大危险源进行动态分级研究，介绍了神经网络的模式聚类即分级法的自组织学习过程和算法，克服了以往危险源分级方法的某些局限性。在计算机上进行的模拟计算表明：基于自组织神经网络的重大危险源动态分级方法是合理可行的     

甘肃省农业生产风险因素分析

农业生产风险主要受耕地生产潜力、播种面积、抵御自然灾害的能力及政策保障能力等因素的影响。根据甘肃省粮食产量统计资料，在甘肃省粮食综合生产能力评价研究的基础上，讨论了各类风险因素对粮食生产和粮食安全的影响，提出加强农田水利建设，提高抵御自然灾害风险的能力应是提高全省粮食综合生产能力的重要策略。     

西江年最高水位的神经网络预报模型

对西江洪水发生的特征进行分析表明，洪水发生频率高，具有明显阶段性特征，并与流域面雨量密切相关。利用前期环流场、海表温度（SST）场及环流特征量资料选择初选预报因子，然后对初选预报因子作EOF分解构造综合预报因子，结合人工神经网络方法建立了西江年最高水位预报模型，并对预报模型进行独立样本试验。结果表明，该预报模型对历史样本拟合精度高，试报效果明显好于传统的逐步回归模型，可在汛期预测业务中应用。     

基于模糊评判人工神经网络的重大危险源辨识研究

国家已经制定了重大危险源辨识标准,辨识依据是危险物质的数量,主要适用于化工行业.本文对于国家重大危险源辨识标准不适合的行业,结合各行业发生事故的特点和工艺特征,综合利用模糊评判法和人工神经网络,辨识企业内存在的重大危险源.在某化工厂进行了检验,实践证明了方法的科学性和合理性.