实时混合对抗蠕虫的建模和分析

传统的防病毒技术难以抵御蠕虫的传播，为此本文提出实时混合对抗技术，该技术在被对抗蠕虫感染的主机与易感染主机数量相等时转换对抗策略，并建立实时混合对抗蠕虫的传播模型.最后，通过仿真实验从对抗有效性、资源消耗和应对突发事件能力三个方面验证实时混合对抗技术的性能.理论分析和实验结果表明，实时混合对抗技术能更好地满足对抗有效性和低资源消耗要求，并能应对突发事件.     

中小旅行社入境旅游与出境旅游网络营销对比分析

通过对中小旅行社入境旅游与出境旅游网络营销的相同处和不同处进行对比分析，把他们常用的营销方法通过举例表现出来，叙述了网络营销对出境旅游和入境旅游的意义，对旅游营销有积极作用。     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上，构建基于Lasso方法和BP神经网络的预测模型，并对我国城乡居民的消费支出进行预测，结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度；在2014~2020年，我国农村居民消费增长率有所提升，城镇居民消费增长率减缓，城乡居民消费增长率之间的差距呈下降趋势，但短期内城乡居民消费差距依然难以缓和。     

网络嵌入性、商业模式创新与企业竞争优势关系研究

基于商业模式创新中介效应，依据全国314家企业问卷调查的样本数据，运用多元线性回归方法，考量网络嵌入性、商业模式创新和企业竞争优势之间关系，结果发现：关系嵌入性、结构嵌入性与竞争优势均有显著的正向关系；商业模式创新在关系嵌入性、结构嵌入性与企业竞争优势的关系中起着中介作用。鉴此，企业应注重构建不同形式的网络嵌入，推动商业模式的调整与变革，以提高企业竞争优势。     

一种改进的双能量源电动汽车功率分配策略

以并联式双能量源(锂电池组&超级电容)纯电动汽车为研究对象,提出一种改进的功率分配策略。这种功率分配策略在模糊控制的基础上增加深度神经网络训练过程,以获得更精确的功率分配因子。通过整车模型构建、功率分配模型构建、功率分配策略制定、仿真验证结果分析后得出结论:与电量消耗功率分配策略相比,这种改进的功率分配策略能优化锂电池组和超级电容二者之间的功率分流,限制锂电池组充放电的峰值电流,延长复合储能系统的工作寿命,提升动力系统的工作效率。     

基于网络安全等级保护2.0的农业科研单位网络安全体系研究——以中国农业科学院为例

[目的/意义]大数据时代,中国农业科研单位持续加强信息化建设,给科学研究和科研管理带来极大的便利,但相应的信息安全问题也开始逐渐显现。依托信息等级保护工作,深入分析农业科研单位信息系统建设中各个薄弱环节,提高信息系统安全,避免发生网络安全事件已被摆在农业科研单位工作的突出地位。[方法/过程]按照等级保护制度要求,论文主要围绕加强农业科研单位信息安全管理的内容进行探讨,介绍了信息等级保护的重要性,对比分析了等级保护2.0标准与等级保护1.0标准的不同;详细分析中国农业科学院的网络安全管理制度体系和网络安全管理技术等内容,最后对加强农业科研单位信息安全建设的有效策略提出了相关建议。[结果/结论]论文以中国农业科学院为例详细论述其相关做法,希望为各农业科研机构开展网络安全等级保护安全建设提供借鉴。     

山竹果皮总黄酮富集工艺研究

研究D101大孔树脂富集山竹果皮总黄酮的工艺。通过静态、动态相结合的方法,确定D101大孔树脂富集的最佳工艺参数。结果表明,D101大孔树脂对总黄酮动态解析附的效果好于静态,动态解析附的最佳条件为:以流速2 m L/min上样30 m L 2 mg/m L的提取物,且用60 m L 70%乙醇以2 m L/min的流速洗脱,此条件下提取物总黄酮含量由原先的57.8 mg/m L增加到174.2 mg/m L。     

基于PSO-BP神经网络的外贸发展状况的评价

以我国对外贸易的实际情况为基础，建立了评价外贸发展状况的一套指标体系.使用主成分分析方法对所有评价指标进行预处理之后，借助粒子群优化算法改进了BP神经网络算法，构建了外贸发展状况的评价模型.评价模型在具体应用中，评价结果较为准确，具有一定的科学性和合理性.     

Aggregate-related changes in network patterns of nematodes and ammonia oxidizers in an acidic soil

Nitrification plays a central role in global nitrogen cycle, which is affected by biological interaction between soil microfauna and microorganisms. However, the complexity of soil biotic communities made it difficult to reveal organizational principles of the community and the interactions among species. Here, we used the network analysis to decipher the interactions between nematodes and ammonia oxidizers within aggregate fractions under 10-year manure application, and examine their associations with soil variables and potential nitrification activity (PNA). Three aggregate fractions included large macroaggregates (>2000 μm, LA), small macroaggregates (250–2000 μm, SA), and inter-aggregate soil and space (<250 μm, IA). Aggregate factions showed a remarkable effect on association networks of nematodes and ammonia oxidizers. The average connectivity (avgK) and the number of edges in overall networks increased with increasing aggregate sizes, while the average geodesic distance (GD) followed the opposite trend. The LA network could be viewed as a better organized or a better operational soil food web with more functional interrelated members than the SA and IA networks. The modules related to PNA were significantly correlated and clustered together as meta-modules in networks of aggregate fractions. The role-shifts prevailed among the network members such as significant module memberships (MMs) and generalist/specialist operational taxonomic units (OTUs). A half of shared nodes were further identified as shared MMs, dominated by ammonia-oxidizing bacteria (AOB) especially for Nitrosospira cluster 3a and 10. Soil pH could explain partly the shift of module hubs in different networks, while grazing by bacterivores might account for three exclusively connecters related to Nitrososphaera clusters 1.1. The strongly coupled modules correlated positively to pH and total carbon (TC), regardless of aggregate fractions. The network analysis approach provided new insights into potential importance of network interactions between nematodes and ammonia oxidizers in soil nitrogen cycling.     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。