導(dǎo)語(yǔ)：如何才能寫好一篇巨人網(wǎng)絡(luò)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

9月5日，巨人網(wǎng)絡(luò)CEO史玉柱針對(duì)農(nóng)村市場(chǎng)，發(fā)起國(guó)內(nèi)首個(gè)“網(wǎng)游下鄉(xiāng)”計(jì)劃，并預(yù)計(jì)9月中旬正式啟動(dòng)該計(jì)劃。史玉柱表示，將投入上億元將旗下游戲拓展進(jìn)五、六級(jí)農(nóng)村市場(chǎng)。

巨人網(wǎng)絡(luò)透露：“初步投入1億元費(fèi)用”，地推（地面推廣人員）團(tuán)隊(duì)已經(jīng)前往各地農(nóng)村展開實(shí)地調(diào)研，“重點(diǎn)關(guān)注廣東、湖南、黑龍江、浙江、江蘇等農(nóng)村寬帶發(fā)展較為成熟的地區(qū)。首批網(wǎng)游下鄉(xiāng)示范村將在近期敲定”。而巨人《征途2》項(xiàng)目相關(guān)負(fù)責(zé)人表示，為農(nóng)村玩家打造新游戲玩法、建立農(nóng)村網(wǎng)游推廣員體系、打造農(nóng)村游戲交友平臺(tái)、進(jìn)農(nóng)村普及網(wǎng)游知識(shí)均在此次計(jì)劃之中。“包含‘村村通點(diǎn)卡、鎮(zhèn)鎮(zhèn)有禮包’、‘玩《征途2》送化肥’等策略”。

《2010年文化部網(wǎng)絡(luò)游戲市場(chǎng)發(fā)展報(bào)告》顯示，中國(guó)網(wǎng)絡(luò)游戲市場(chǎng)規(guī)模為349億元，增長(zhǎng)率為26.2%，增長(zhǎng)速度連續(xù)兩年下滑。增速放緩的原因在于市場(chǎng)經(jīng)過(guò)了連續(xù)十年的快速增長(zhǎng)，市場(chǎng)和用戶趨于成熟，整個(gè)網(wǎng)游市場(chǎng)正面臨結(jié)構(gòu)性調(diào)整的壓力。

在用戶層面上，一、二級(jí)城市網(wǎng)游用戶趨于飽和，用戶選擇趨于多樣性，競(jìng)爭(zhēng)近乎白熾化。而隨著農(nóng)村互聯(lián)網(wǎng)接入條件不斷改善，農(nóng)村網(wǎng)絡(luò)硬件設(shè)備更加完備，農(nóng)村地區(qū)網(wǎng)民規(guī)模在持續(xù)增長(zhǎng)。近幾年農(nóng)村網(wǎng)民的增長(zhǎng)速度遠(yuǎn)高于城鎮(zhèn)網(wǎng)民。2007年至2009年，農(nóng)村網(wǎng)民年均增長(zhǎng)71.6%，遠(yuǎn)高于城鎮(zhèn)網(wǎng)民年均增長(zhǎng)34.6%的速度。根據(jù)CNNIC第28次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告，截至2011年6月底，中國(guó)農(nóng)村網(wǎng)民規(guī)模為1.31億，占整體網(wǎng)民的27%。

巨人網(wǎng)絡(luò)Q2財(cái)報(bào)顯示，公司第二季度營(yíng)收4.362億元，環(huán)比增長(zhǎng)8.2%，同比增長(zhǎng)35.6%；凈利潤(rùn)為1020萬(wàn)元，環(huán)比大幅下降96.1%，同比下降94.5%。凈利潤(rùn)的大幅下降，迫使巨人網(wǎng)絡(luò)追求新的利潤(rùn)增長(zhǎng)點(diǎn)。而《征途2》是巨人網(wǎng)絡(luò)2011年的新旗艦游戲，也是史玉柱最看好的產(chǎn)品。

篇2

網(wǎng)絡(luò)犯罪分子通常利用當(dāng)紅名人的信息將毫無(wú)戒心的網(wǎng)民誘騙到充斥著惡意軟件的站點(diǎn)。當(dāng)用戶搜索名人最新的視頻或圖片時(shí)，可能點(diǎn)擊進(jìn)入的是充滿伺機(jī)潛入用戶計(jì)算機(jī)的惡意軟件的站點(diǎn)，而不是想要的名人時(shí)尚資訊。

邁克菲網(wǎng)絡(luò)安全研究主管PaulaGreve表示：“今年的形勢(shì)雖然比去年略微安全些，但在網(wǎng)絡(luò)上搜索當(dāng)紅名人的信息仍然充滿風(fēng)險(xiǎn)。用戶應(yīng)特別警惕隱藏在“細(xì)微”之處的惡意內(nèi)容。例如，可以通過(guò)社交網(wǎng)站或朋友發(fā)來(lái)的電子郵件、短信傳播病毒的短URL”。

警惕搜索海蒂?克拉姆

當(dāng)粉絲搜索“Heidi Klum”(海蒂?克拉姆)、“Heidi Klum and downloads”(海蒂?克拉姆和下載)、“Heidi Klumand‘free’downloads”(海蒂?克拉姆和“免費(fèi)”下載)、“Heidi Klum andscreensavers”(海蒂?克拉姆和屏保)、“Heidi Klum and hot pictures”(海蒂?克拉姆和熱圖)以及“Heidi Klumand videos”(海蒂?克拉姆和視頻)等關(guān)鍵字時(shí)，則有風(fēng)險(xiǎn)遭受到企圖竊取私人信息的網(wǎng)絡(luò)病毒的威脅。如果去點(diǎn)擊這些危險(xiǎn)的站點(diǎn)或下載文件(例如，照片、視頻或屏保等)將使上網(wǎng)用戶面臨下載到病毒和惡意軟件的巨大風(fēng)險(xiǎn)。

如果去搜索海蒂?克拉姆的最新圖片和相關(guān)下載，有超過(guò)9％的可能性登錄到經(jīng)測(cè)試確實(shí)含有網(wǎng)絡(luò)威脅的網(wǎng)站。(例如，含有間諜軟件、廣告軟件、垃圾郵件、網(wǎng)絡(luò)釣魚詐騙、病毒或其他惡意軟件)

此項(xiàng)研究采用McAfee SiteAdvisor站點(diǎn)評(píng)級(jí)方法，該方法可指出哪些站點(diǎn)是網(wǎng)絡(luò)名人搜索高危目標(biāo)，并計(jì)算出整體風(fēng)險(xiǎn)百分比。用戶可以登錄快速下載免費(fèi)版的SiteAdvisor軟件，以實(shí)時(shí)判別目標(biāo)網(wǎng)站的安全級(jí)別，阻止危險(xiǎn)網(wǎng)站、添加反釣魚保護(hù)，并幫助用戶更安全地上網(wǎng)沖浪、購(gòu)物和辦理網(wǎng)銀業(yè)務(wù)。以下是今年的研究報(bào)告，羅列出了評(píng)級(jí)結(jié)果中風(fēng)險(xiǎn)百分比最高的前十大名人：

今年，吉賽爾?邦辰、湯姆?克魯斯、佩內(nèi)洛普?克魯茲、詹妮弗?洛芙?休伊特、妮可?基德曼和朱莉婭?羅伯茨都跌出了前十。

名模多是“帶刺玫瑰”

今年，兩名維多利亞的秘密的頂級(jí)模特都躋身前十。用戶搜索性感超模海蒂?克拉姆(第1名)和阿德瑞娜?利瑪(第8名)的下載內(nèi)容都會(huì)被誘騙至危險(xiǎn)站點(diǎn)。

體育演藝明星相對(duì)安全

網(wǎng)球明星瑪莉婭?莎拉波娃和安迪?羅迪克分別從去年的第13和第14狂跌至今年的第44和第56。歌手賈斯汀?比伯今年排名第49，緊隨其后的蕾哈娜和凱莉?安德伍德并列第51位，LadyGaga則排在第s8位。

新聞?lì)^條未必風(fēng)險(xiǎn)最大

篇3

隨著信息時(shí)代的進(jìn)步，計(jì)算機(jī)與網(wǎng)絡(luò)系統(tǒng)已經(jīng)深入我們的工作與生活當(dāng)中，而網(wǎng)絡(luò)也成為了信息的主要載體，而網(wǎng)絡(luò)數(shù)據(jù)庫(kù)就是存儲(chǔ)這些信息的主要工具。我們?nèi)绾伟踩睦眠@一巨大資源就成為我們?nèi)谌胄畔⑸鐣?huì)的關(guān)鍵。

【關(guān)鍵詞】 信息 網(wǎng)絡(luò) 網(wǎng)絡(luò)數(shù)據(jù)庫(kù)

如今，我們對(duì)網(wǎng)絡(luò)的需求也越來(lái)越廣泛，但是由于網(wǎng)絡(luò)的虛擬性，讓我們?cè)谶\(yùn)用它的時(shí)候不免產(chǎn)生很多顧忌，同時(shí)由于我們的一些不當(dāng)操作和使用也會(huì)造成一定的損失。因此，我們只有更加深入了解整個(gè)網(wǎng)絡(luò)機(jī)構(gòu)和網(wǎng)絡(luò)的一些基本運(yùn)作，才能更安全和放心的使用網(wǎng)絡(luò)。

一個(gè)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)就是用戶利用瀏覽器作為輸入接口，輸入所需要的數(shù)據(jù)，瀏覽器將這些數(shù)據(jù)傳送給網(wǎng)站，而網(wǎng)站再對(duì)這些數(shù)據(jù)進(jìn)行處理，例如，將數(shù)據(jù)存入數(shù)據(jù)庫(kù)，或者對(duì)數(shù)據(jù)庫(kù)進(jìn)行查詢操作等，最后網(wǎng)站將操作結(jié)果傳回給瀏覽器，通過(guò)瀏覽器將結(jié)果告知用戶。

1 網(wǎng)絡(luò)數(shù)據(jù)庫(kù)應(yīng)用簡(jiǎn)介

網(wǎng)絡(luò)是一個(gè)市場(chǎng)，包含了無(wú)限的信息與資源，而網(wǎng)絡(luò)數(shù)據(jù)庫(kù)就承載了這一切。與一般的數(shù)據(jù)庫(kù)相比，它的最大優(yōu)點(diǎn)就是資源的共享。我們平時(shí)瀏覽的網(wǎng)站和聊天軟件，還有現(xiàn)在的網(wǎng)絡(luò)電視等等都得依靠網(wǎng)絡(luò)數(shù)據(jù)庫(kù)。首先，現(xiàn)在大部分的網(wǎng)站都采用動(dòng)態(tài)設(shè)計(jì)，無(wú)論查詢還是更新資料都比原來(lái)方便而迅速。在這些網(wǎng)站里，無(wú)論是用戶資料，還是網(wǎng)站的信息都存放在網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中，例如：在一些網(wǎng)站的用戶注冊(cè)系統(tǒng)中，我們填寫的資料，包括帳號(hào)和密碼都將存放在網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中的某個(gè)表中，而我們?cè)诘顷懢W(wǎng)站的時(shí)候，就要核對(duì)這些資料，驗(yàn)證無(wú)誤之后，就以注冊(cè)用戶身份登陸，可以添加或修改一些個(gè)人信息，一些網(wǎng)站中有郵件系統(tǒng)，也可以用來(lái)收發(fā)郵件。隨著信息技術(shù)的發(fā)展，驗(yàn)證系統(tǒng)也發(fā)展為智能卡驗(yàn)證，指紋驗(yàn)證，語(yǔ)音識(shí)別等。銀行也借助網(wǎng)絡(luò)這一平臺(tái)開展了電子銀行這一業(yè)務(wù)。

2 加密技術(shù)MD5原理

網(wǎng)絡(luò)安全與數(shù)據(jù)加密是密不可分的，現(xiàn)在MD5加密技術(shù)廣泛應(yīng)用到了網(wǎng)絡(luò)系統(tǒng)當(dāng)中，當(dāng)用戶登錄的時(shí)候，系統(tǒng)把用戶輸入的密碼計(jì)算成MD5值，然后再去和保存在文件系統(tǒng)中的MD5值進(jìn)行比較，進(jìn)而確定輸入的密碼是否正確。通過(guò)這樣的步驟，系統(tǒng)在并不知道用戶密碼的明碼的情況下就可以確定用戶登錄系統(tǒng)的合法性。這不但可以避免用戶的密碼被具有系統(tǒng)管理員權(quán)限的用戶知道，而且還在一定程度上增加了密碼被破解的難度。MD5將任意長(zhǎng)度的“字節(jié)串”變換成一個(gè)128bit的大整數(shù)，并且它是一個(gè)不可逆的字符串變換算法，換句話說(shuō)就是，即使你看到源程序和算法描述，也無(wú)法將一個(gè)MD5的值變換回原始的字符串，從數(shù)學(xué)原理上說(shuō)，是因?yàn)樵嫉淖址袩o(wú)窮多個(gè)，這有點(diǎn)象不存在反函數(shù)的數(shù)學(xué)函數(shù)［1］。

3 access加密方法

網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的種類有很多，最常用的就是微軟的access，其加密的方法一般有兩種，一種是通過(guò)手動(dòng)設(shè)置數(shù)據(jù)庫(kù)密碼，這也是最常用的。可以為數(shù)據(jù)庫(kù)設(shè)置密碼，從而要求用戶在訪問(wèn)數(shù)據(jù)庫(kù)時(shí)輸入密碼。然而，一旦用戶登錄后，便可以不受限制地訪問(wèn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)和對(duì)象。 注意：在設(shè)置數(shù)據(jù)庫(kù)密碼之前，建議備份數(shù)據(jù)庫(kù)并將其存儲(chǔ)在一個(gè)安全的位置。 在設(shè)置數(shù)據(jù)庫(kù)密碼之前，需要以獨(dú)占方式打開數(shù)據(jù)庫(kù)。要以獨(dú)占方式打開數(shù)據(jù)庫(kù)： 如果數(shù)據(jù)庫(kù)處于打開狀態(tài)，關(guān)閉數(shù)據(jù)庫(kù)。 單擊“文件”菜單中的“打開”重新打開數(shù)據(jù)庫(kù)。 在“打開”對(duì)話框中，找到數(shù)據(jù)庫(kù)，單擊“打開”按鈕旁邊的箭頭，然后單擊“以獨(dú)占方式打開”。 要手動(dòng)設(shè)置數(shù)據(jù)庫(kù)密碼： 在“工具”菜單中，指向“安全”，然后單擊“設(shè)置數(shù)據(jù)庫(kù)密碼”。 在“密碼”框中，鍵入密碼。 注意：密碼區(qū)分大小寫。 在“驗(yàn)證”框中，重新鍵入密碼以確認(rèn)，然后單擊“確定”。 現(xiàn)在就設(shè)置了數(shù)據(jù)庫(kù)密碼［2］。下次您或其他用戶打開數(shù)據(jù)庫(kù)時(shí)，會(huì)出現(xiàn)一個(gè)對(duì)話框要求輸入密碼。另一種是通過(guò)編程設(shè)置數(shù)據(jù)庫(kù)密碼，就要求使用者熟悉VB編程。ALTER DATABASE PASSWORD NewPassword OldPassword 在這個(gè)語(yǔ)句中，密碼由方括號(hào) (［］) 分隔的 String 值表示，但下述情況例外。

第一次設(shè)置數(shù)據(jù)庫(kù)密碼時(shí)，使用 NULL 關(guān)鍵字作為 ALTER DATABASE 語(yǔ)句中的 OldPassword 參數(shù)。要?jiǎng)h除數(shù)據(jù)庫(kù)密碼，請(qǐng)使用 NULL 關(guān)鍵字作為 ALTER DATABASE 語(yǔ)句的 NewPassword 參數(shù)。在這些情況下，關(guān)鍵字 NULL 不應(yīng)出現(xiàn)在方框中。

在使用以下過(guò)程之前，可能需要設(shè)置對(duì) Microsoft ADO Ext 2.5 for DDL and Security 庫(kù)的引用（如果尚未設(shè)置）：

在 Visual Basic 編輯器中，指向“工具”菜單中的“引用”。將顯示“引用”對(duì)話框。

選中 Microsoft ADO Ext 2.5 for DDL and Security 復(fù)選框。

請(qǐng)看以下第一次設(shè)置密碼時(shí)的代碼：

Private Function CreateDBPassword(ByVal Password As String， _

ByVal Path As String) As Boolean

Dim objConn as ADODB.Connection

Dim strAlterPassword as String

On Error GoTo CreateDBPassword_Err

' 創(chuàng)建 SQL 串以初始化一個(gè)數(shù)據(jù)庫(kù)密碼。

strAlterPassword = "ALTER DATABASE PASSWORD［Password］ NULL;"

' 打開不具有安全設(shè)置的數(shù)據(jù)庫(kù)。

Set objConn = New ADODB.Connection

With objConn

.Mode = adModeShareExclusive

.Open "Provider=Microsoft.Jet.OLEDB.4.0;Data " & _

"Source=Path;"

' 執(zhí)行 SQL 語(yǔ)句對(duì)數(shù)據(jù)庫(kù)進(jìn)行安全設(shè)置。

.Execute (strAlterPassword)

End With

' 清除對(duì)象。

objConn.Close

Set objConn = Nothing

' 如果成功，返回 true。

CreateDBPassword = True

CreateDBPassword_Err:

Msgbox Err.Number & ":" & Err.Description

CreateDBPassword = False

End Function

此過(guò)程接受用戶的密碼以及 .mdb 文件的路徑。首先聲明一個(gè)變量，代表對(duì)不具有安全設(shè)置的數(shù)據(jù)庫(kù)的連接，同時(shí)聲明一個(gè) String 變量以包含我們用于更改密碼的 SQL 語(yǔ)句。下一步將 strAlterPassword 設(shè)置給使用 ALTER DATABASE PASSWORD 關(guān)鍵字的 Jet SQL 語(yǔ)句［3］。請(qǐng)注意，因?yàn)槲覀儾皇且鎿Q密碼，因而第二個(gè)參數(shù)被設(shè)置為 NULL。再打開一個(gè)到該數(shù)據(jù)庫(kù)的連接。要設(shè)置密碼，必須以獨(dú)占方式打開數(shù)據(jù)庫(kù)，因此要設(shè)置 Mode 屬性。然后執(zhí)行 SQL 語(yǔ)句。通常可以從一個(gè)數(shù)據(jù)庫(kù)運(yùn)行此過(guò)程，以便在一個(gè)單獨(dú)的不具有安全設(shè)置的數(shù)據(jù)庫(kù)中設(shè)置密碼。如果一切正常，函數(shù)返回 True。

網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的運(yùn)用在飛快的發(fā)展。如今，網(wǎng)絡(luò)購(gòu)物已經(jīng)深入到千家萬(wàn)戶，我們?cè)谙硎苓@巨大便利的同時(shí)，也要警惕一些存在的安全隱患。當(dāng)然，網(wǎng)絡(luò)沒有絕對(duì)的安全，但是我們通過(guò)了解網(wǎng)絡(luò)，就可以避免一些不必要的損失。

參考文獻(xiàn)

［1］ 陳思佳．網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)的安全性研究［J］．電腦知識(shí)與技術(shù)，2007，20:30～31．

篇4

【關(guān)鍵詞】自適應(yīng)距離保護(hù) 人工神經(jīng)網(wǎng)絡(luò) BP算法

一、引言

距離保護(hù)長(zhǎng)期以來(lái)一直是復(fù)雜電網(wǎng)中高壓輸電線路最重要的也是應(yīng)用最廣泛的保護(hù)方案。這種保護(hù)有許多獨(dú)特的優(yōu)點(diǎn)，如能瞬時(shí)切除輸電線80%～90%范圍內(nèi)的各種故障。但是有許多原因會(huì)影響阻抗的測(cè)量精度，從而影響測(cè)量阻抗的計(jì)算，使測(cè)量阻抗為短路阻抗與附加阻抗之和，從而會(huì)引起誤動(dòng)或者拒動(dòng)。

基于這些問(wèn)題，本文提出了人工神經(jīng)網(wǎng)絡(luò)。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)（ANN）逐漸得到電力系統(tǒng)研究人員的高度重視和廣泛研究。人工神經(jīng)網(wǎng)絡(luò)是由眾多的神經(jīng)元廣泛互聯(lián)而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、自適應(yīng)、較好的容錯(cuò)性和優(yōu)良的非線性逼近能力，廣泛應(yīng)用于模式識(shí)別和模式分類等方面。

本文所采用的三層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法為反傳學(xué)習(xí)算法，即BP算法，學(xué)習(xí)過(guò)程采用反向傳播法。

二、基于人工神經(jīng)網(wǎng)絡(luò)的距離保護(hù)模型

BP網(wǎng)絡(luò)模型也即多層前向網(wǎng)絡(luò)（Multi-layer Feedforward Neural Network，MFNN），因其訓(xùn)練算法采用反向傳播算法，也即BP算法。由于這種算法在本質(zhì)上是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的數(shù)學(xué)模型，所以，BP算法也通常暗示著神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是一種無(wú)反饋的多層前向網(wǎng)絡(luò)。

人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單的基本元件——神經(jīng)元相互連接而成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。一般而言，只要采用三層神經(jīng)網(wǎng)絡(luò)，而且對(duì)各層神經(jīng)元數(shù)目不加限制，則可在模式空間構(gòu)成任意復(fù)雜程度的幾何圖形，從而對(duì)任意復(fù)雜的對(duì)象進(jìn)行分類。

人工神經(jīng)網(wǎng)絡(luò)含有輸入層、輸出層以及處于輸入輸出層之間的中間層。中間層有單層或多層，由于他們與外界沒有直接聯(lián)系，故也稱為隱層。在隱層中的神經(jīng)元也稱隱單元。隱層雖然和外界不連接，但是他們的狀態(tài)則影響輸入輸出之間的關(guān)系。BP網(wǎng)絡(luò)的結(jié)構(gòu)的每一層連接權(quán)值都可以通過(guò)學(xué)習(xí)來(lái)調(diào)節(jié)，它的基本處理單元（輸入層）除外通常為非線性輸入輸出關(guān)系。

三、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及檢驗(yàn)

本文通過(guò)EMTP仿真的數(shù)據(jù)預(yù)處理中得出了這兩個(gè)子網(wǎng)絡(luò)的權(quán)值和閥值矩陣中，用一些不同于訓(xùn)練樣本的檢測(cè)樣本（本文在故障檢測(cè)與選相子網(wǎng)絡(luò)是用40組進(jìn)行訓(xùn)練，13組進(jìn)行檢測(cè)的；對(duì)故障定位子網(wǎng)絡(luò)是用35組進(jìn)行訓(xùn)練，14組進(jìn)行校驗(yàn)的）。每一個(gè)子網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)的數(shù)目，是在訓(xùn)練過(guò)程中根據(jù)最快的收斂速度和最好的精度標(biāo)準(zhǔn)通過(guò)多次采用不同的隱含層節(jié)點(diǎn)數(shù)目進(jìn)行訓(xùn)練，反復(fù)比較，根據(jù)實(shí)際的收斂效果和計(jì)算精度來(lái)選擇確定的。其中，故障檢測(cè)與選相子網(wǎng)絡(luò)（ANN1）的隱含層數(shù)目取為42個(gè)，故障定位子網(wǎng)絡(luò)（ANN2）的隱含層數(shù)目取為33個(gè)。

在確定了兩個(gè)子網(wǎng)絡(luò)的隱含層以后，開始對(duì)故障檢測(cè)和選相子網(wǎng)絡(luò)（ANN1）和故障定位子網(wǎng)絡(luò)（ANN2）采用BP算法進(jìn)行訓(xùn)練。經(jīng)過(guò)對(duì)子網(wǎng)絡(luò)的多次訓(xùn)練，其訓(xùn)練過(guò)程是收斂的，其訓(xùn)練速度也是令人滿意。

下面將2個(gè)子網(wǎng)絡(luò)的部分訓(xùn)練樣本、檢驗(yàn)樣本及檢驗(yàn)結(jié)果。

在對(duì)第一個(gè)、第二個(gè)子網(wǎng)絡(luò)故障檢測(cè)與選相子網(wǎng)絡(luò)其訓(xùn)練過(guò)程過(guò)程是收斂的，其訓(xùn)練速度也是令人滿意的。

下面是子網(wǎng)絡(luò)ANN1的訓(xùn)練樣本和訓(xùn)練樣本及檢測(cè)樣本。故障類型有：內(nèi)部故障，A相接地、內(nèi)部故障，B相接地、內(nèi)部故障，C相接地、內(nèi)部故障，兩相短路、內(nèi)部故障，兩相接地短路、內(nèi)部故障，三相短路。理想輸出：1，0，0，0；0，1，0，0；0，0，1，0；0，0，0，1；0，0，0，1；0，0，0，1。檢驗(yàn)結(jié)果：

0.9985，0.0378，0.0838，0.0230；0.0315，0.9988，0.0607，0.0121；0.1004，0.1718，0.9980，0.2715；0.2815，0.0499，0.0614，0.9864；0.2496，0.3688，0.0370，0.9798；0.0197，0.0551，0.0187，0.9981。

從上面可以清楚的看出，故障檢測(cè)和選相子網(wǎng)絡(luò)在各種故障情況下都能正確反映故障，并啟動(dòng)保護(hù)和正確選相。

在第二個(gè)子網(wǎng)絡(luò)訓(xùn)練過(guò)程也是表明故障定位子網(wǎng)絡(luò)ANN2也是收斂的，其訓(xùn)練速度也是令人滿意的。

下面是故障定位子網(wǎng)絡(luò)ANN2的訓(xùn)練樣本和檢驗(yàn)樣本及結(jié)果舉例。當(dāng)故障點(diǎn)線路全長(zhǎng)線路全長(zhǎng)83%，故障類型分別為單相接地、兩相故障、三相故障時(shí)，其理想輸出為1、1、1；當(dāng)故障點(diǎn)線路全長(zhǎng)線路全長(zhǎng)87%，其理想輸出為0、0、0。檢測(cè)結(jié)果：當(dāng)故障點(diǎn)線路全長(zhǎng)線路全長(zhǎng)83%，輸出：0.9867、0.9827、0.9572。當(dāng)故障點(diǎn)線路全長(zhǎng)線路全長(zhǎng)87%，輸出：0.1758、0.1820、0.1602。

從上面數(shù)據(jù)可以看到，故障定位子網(wǎng)絡(luò)距離保護(hù)經(jīng)過(guò)訓(xùn)練以后，基本能夠正確的識(shí)別故障點(diǎn)位置。

四、結(jié)論

本論文針對(duì)傳統(tǒng)距離保護(hù)在系統(tǒng)發(fā)生振蕩和系統(tǒng)經(jīng)過(guò)過(guò)渡電阻發(fā)生故障時(shí)，可能會(huì)誤動(dòng)或拒動(dòng)等，因此，提出了基于BP人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)距離保護(hù)原理由兩個(gè)相互獨(dú)立的子網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)，即故障檢測(cè)與選相子網(wǎng)絡(luò)和故障定位子網(wǎng)絡(luò)。兩個(gè)子網(wǎng)絡(luò)組成一個(gè)并行處理系統(tǒng)，經(jīng)過(guò)大量的訓(xùn)練樣本進(jìn)行訓(xùn)練，投入實(shí)際運(yùn)行線路中，根據(jù)本身需要提取輸電線路的運(yùn)行參數(shù)，對(duì)電力系統(tǒng)運(yùn)行狀態(tài)進(jìn)行判斷。研究結(jié)果表明，用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)最復(fù)雜的保護(hù)原理——距離保護(hù)是可行的，而且具有顯著的優(yōu)點(diǎn)。

參考文獻(xiàn)：

[1]賀家李，宋從矩.電力系統(tǒng)繼電保護(hù)原理（第三版）[M].北京：中國(guó)電力出版社，2001.

篇5

近日，H3C公司正式推出了國(guó)內(nèi)第一個(gè)面向數(shù)據(jù)中心網(wǎng)絡(luò)的高端認(rèn)證項(xiàng)目H3CSE-Data Center（H3C Certified Senior Engineer for Data Center Network,H3C認(rèn)證數(shù)據(jù)中心網(wǎng)絡(luò)高級(jí)工程師）。這是H3C認(rèn)證體系中高端認(rèn)證項(xiàng)目之一，也是面向數(shù)據(jù)中心網(wǎng)絡(luò)高級(jí)工程師設(shè)置的一個(gè)高端培訓(xùn)項(xiàng)目，旨在培養(yǎng)“云時(shí)代”的高級(jí)網(wǎng)絡(luò)人才。

H3C公司副總裁江梅坤先生介紹，之所以推出該認(rèn)證項(xiàng)目，是因?yàn)镠3C發(fā)現(xiàn)，近年來(lái)，隨著以云計(jì)算、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等為代表的戰(zhàn)略性新興產(chǎn)業(yè)的新興起，大量數(shù)據(jù)中心建設(shè)及改造項(xiàng)目的不斷出現(xiàn)，對(duì)數(shù)據(jù)中中心網(wǎng)絡(luò)建設(shè)的高級(jí)人才提出了旺盛的需求。傳統(tǒng)的數(shù)據(jù)中心認(rèn)證項(xiàng)目大多關(guān)注計(jì)算、存儲(chǔ)、選址等設(shè)計(jì)，很少關(guān)注數(shù)據(jù)中心網(wǎng)絡(luò)規(guī)劃、設(shè)計(jì)、建設(shè)、運(yùn)維，而傳統(tǒng)的IP網(wǎng)絡(luò)認(rèn)證對(duì)數(shù)據(jù)中心的相關(guān)系統(tǒng)知識(shí)是一片空白，H3C作為網(wǎng)絡(luò)界的主流領(lǐng)導(dǎo)廠商，推出這一認(rèn)證既是滿足數(shù)據(jù)中心網(wǎng)絡(luò)對(duì)高級(jí)人才的需求，也是廠商的責(zé)任所在。該認(rèn)證項(xiàng)目將對(duì)國(guó)內(nèi)數(shù)據(jù)中心網(wǎng)絡(luò)的建設(shè)者、維護(hù)者以及數(shù)據(jù)中心網(wǎng)絡(luò)工程技術(shù)人員非常有幫助。

據(jù)悉，在H3CSE-Data Center認(rèn)證培訓(xùn)課程中，學(xué)員將主要學(xué)習(xí)理解大中型數(shù)據(jù)中心的主要需求和常用技術(shù)，掌握如何運(yùn)用這些技術(shù)設(shè)計(jì)和構(gòu)建高速、可靠、安全的數(shù)據(jù)中心網(wǎng)絡(luò)。考試則分為筆試與實(shí)際操作兩部分，重點(diǎn)考察考生對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)知識(shí)結(jié)構(gòu)的掌握，對(duì)各項(xiàng)技術(shù)、特性的深入理解和運(yùn)用能力，以及考生在工程規(guī)范、設(shè)備操作、協(xié)議配置、功能部署等方面的實(shí)踐技能。通過(guò)認(rèn)證的網(wǎng)絡(luò)技術(shù)人員能掌握包括機(jī)房基礎(chǔ)設(shè)施建設(shè)、路由、交換、安全等部署數(shù)據(jù)中心網(wǎng)絡(luò)所需的全方位的理論知識(shí)和操作技能，可以勝任大中型數(shù)據(jù)中心網(wǎng)絡(luò)的架構(gòu)設(shè)計(jì)、建設(shè)和管理工作。

H3C公司全球技術(shù)服務(wù)部副總裁李林先生介紹，與其他數(shù)據(jù)中心認(rèn)證項(xiàng)目不同的是，這個(gè)認(rèn)證是數(shù)據(jù)中心網(wǎng)絡(luò)方面的認(rèn)證，主要關(guān)注數(shù)據(jù)中心網(wǎng)絡(luò)的建設(shè)；在網(wǎng)絡(luò)技術(shù)之外，更強(qiáng)調(diào)工程師對(duì)數(shù)據(jù)中心需求的理解，以及圍繞這些需求的實(shí)踐應(yīng)用能力的提升，因此除了有針對(duì)性的強(qiáng)化授課內(nèi)容之外，H3C還提供了大量的實(shí)驗(yàn)設(shè)備和豐富的實(shí)驗(yàn)安排，在考試中也同樣側(cè)重于能力考查。

經(jīng)過(guò)十年的發(fā)展， H3C已在國(guó)內(nèi)各大中心城市擁有30余家授權(quán)培訓(xùn)中心和300余家網(wǎng)絡(luò)學(xué)院，H3C認(rèn)證也已成為高品質(zhì)網(wǎng)絡(luò)認(rèn)證項(xiàng)目的代名詞，每年通過(guò)其認(rèn)證的人數(shù)超過(guò)了2萬(wàn)人。截至2011年6月底的統(tǒng)計(jì)數(shù)字顯示，參加H3C認(rèn)證培訓(xùn)的總?cè)藬?shù)已突破15萬(wàn)，其中8萬(wàn)多人獲得了各類認(rèn)證證書。

篇6

一、貫徹落實(shí)疫情防控工作要求

（一）提高政治站位。高度重視疫情防控工作，及時(shí)傳達(dá)貫徹中央及人社部、省委省政府、省人社廳、市委市政府及局黨組關(guān)于疫情防控工作的部署要求，進(jìn)一步抓細(xì)抓實(shí)抓緊各項(xiàng)工作，統(tǒng)籌做好疫情防控和復(fù)工復(fù)產(chǎn)。

（二）做好信息支撐。切實(shí)保障各類應(yīng)用系統(tǒng)安全穩(wěn)定運(yùn)行，通過(guò)網(wǎng)站、移動(dòng)應(yīng)用、12333等渠道，確保人社各項(xiàng)政策的宣傳、落地。加強(qiáng)視頻會(huì)議的聯(lián)調(diào)測(cè)試、技術(shù)保障、運(yùn)行管理和設(shè)備維護(hù)工作，保障疫情防控期間緊急任務(wù)的有效傳達(dá)落實(shí)。

（三）抓住發(fā)展機(jī)遇。深入分析疫情防控給信息化發(fā)展提出的要求及帶來(lái)的機(jī)遇，進(jìn)一步發(fā)揮優(yōu)勢(shì)，推進(jìn)經(jīng)辦大廳、網(wǎng)上服務(wù)、移動(dòng)應(yīng)用、自助終端、12333等服務(wù)方式的有序銜接，加快實(shí)現(xiàn)線上線下服務(wù)聯(lián)動(dòng)。

二、加快社會(huì)保障卡應(yīng)用建設(shè)

（一）完成發(fā)行任務(wù)。大力推進(jìn)電子社保卡簽發(fā)工作，確保完成2020年發(fā)卡和電子社保卡簽發(fā)目標(biāo)任務(wù)。穩(wěn)步推進(jìn)第三代社會(huì)保障卡發(fā)行工作，制定發(fā)行計(jì)劃和工作方案，做好國(guó)產(chǎn)密鑰服務(wù)系統(tǒng)建設(shè)，確保第二代社會(huì)保障卡向第三代社會(huì)保障卡平穩(wěn)過(guò)渡。

（二）提升服務(wù)能力。完成省政務(wù)服務(wù)網(wǎng)、皖事通上社會(huì)保障卡服務(wù)事項(xiàng)的對(duì)接，實(shí)現(xiàn)社會(huì)保障卡網(wǎng)上申領(lǐng)、郵寄發(fā)卡、即時(shí)補(bǔ)換、線上啟用等服務(wù)的一網(wǎng)通辦。繼續(xù)協(xié)調(diào)合作銀行推進(jìn)“一站式”服務(wù)網(wǎng)點(diǎn)建設(shè)，快速發(fā)卡網(wǎng)點(diǎn)覆蓋所有縣區(qū)和縣區(qū)全部合作銀行，每個(gè)縣區(qū)至少設(shè)立2個(gè)快速發(fā)卡網(wǎng)點(diǎn)。開展“清卡行動(dòng)”，摸清超期未發(fā)、死亡未注銷等卡片數(shù)量，建立回收處理機(jī)制，確保應(yīng)發(fā)盡發(fā)、應(yīng)銷盡銷。

（三）加大應(yīng)用拓展。開展人社領(lǐng)域待遇用卡專項(xiàng)提升行動(dòng)，加大各類就業(yè)補(bǔ)貼、農(nóng)民工工資等待遇進(jìn)卡覆蓋面，拓展社會(huì)保障卡在職業(yè)培訓(xùn)、人事考試等領(lǐng)域應(yīng)用。推進(jìn)全市惠民惠農(nóng)財(cái)政補(bǔ)貼資金通過(guò)社會(huì)保障卡發(fā)放。貫通實(shí)體卡與電子社保卡應(yīng)用，依托電子社保卡集成人社各類“線上”應(yīng)用，推進(jìn)社會(huì)保險(xiǎn)“線上”繳費(fèi)，完善養(yǎng)老保險(xiǎn)待遇資格“線上”認(rèn)證，加大醫(yī)院門診和住院電子社保卡掃碼支付結(jié)算宣傳，推進(jìn)電子社保卡與“安康碼”互聯(lián)互通互認(rèn)。

三、深入推進(jìn)信息化項(xiàng)目建設(shè)

（一）做好“省集中”建設(shè)。按照省廳統(tǒng)一部署，做好智慧就業(yè)、社會(huì)保險(xiǎn)、勞動(dòng)監(jiān)察、人事人才、基金財(cái)務(wù)等“省集中”信息系統(tǒng)推廣實(shí)施，配合做好社會(huì)保險(xiǎn)數(shù)據(jù)整理、數(shù)據(jù)上報(bào)、需求調(diào)研、開發(fā)測(cè)試、數(shù)據(jù)轉(zhuǎn)換、系統(tǒng)切換、風(fēng)險(xiǎn)防控及使用操作等方面工作，提高信息系統(tǒng)建設(shè)成效。

（二）完善公共服務(wù)平臺(tái)建設(shè)。繼續(xù)拓展網(wǎng)上服務(wù)、移動(dòng)應(yīng)用、自助終端、12333咨詢服務(wù)電話等多渠道便捷服務(wù)，整合統(tǒng)一全市人社“線上”服務(wù)平臺(tái)建設(shè)及公共服務(wù)應(yīng)用接口標(biāo)準(zhǔn)，加大信息化協(xié)同和數(shù)據(jù)共享，加強(qiáng)與省政務(wù)服務(wù)網(wǎng)、皖事通、省人社公共服務(wù)平臺(tái)等系統(tǒng)對(duì)接，積極推進(jìn)各類業(yè)務(wù)“網(wǎng)上辦”和“掌上辦”。

（三）加強(qiáng)軟硬件平臺(tái)運(yùn)維。繼續(xù)完善社保核心平臺(tái)系統(tǒng)，完成電子社保卡掃碼登錄及疫情防控期間各項(xiàng)政策落地系統(tǒng)改造工作。加強(qiáng)數(shù)據(jù)中心機(jī)房規(guī)范化管理，做好軟硬件設(shè)備和環(huán)境設(shè)備運(yùn)維，完善信息化固定資產(chǎn)臺(tái)賬，確保各類軟硬件基礎(chǔ)平臺(tái)穩(wěn)定運(yùn)行。

四、穩(wěn)步提升公共服務(wù)水平

（一）深入推進(jìn)“互聯(lián)網(wǎng)+人社”建設(shè)。強(qiáng)化上下聯(lián)動(dòng)，部門協(xié)作，落實(shí)2020年“互聯(lián)網(wǎng)+人社”重點(diǎn)任務(wù)計(jì)劃。著力完善一體化應(yīng)用服務(wù)建設(shè)，探索“大數(shù)據(jù)”信息資源開發(fā)，切實(shí)增強(qiáng)基層服務(wù)平臺(tái)建設(shè)，優(yōu)化服務(wù)方式，提升服務(wù)效能，努力提升人社公共服務(wù)能力。

（二）提升12333電話服務(wù)能力。推進(jìn)12333電話咨詢服務(wù)事業(yè)發(fā)展，舉辦好2020年“全國(guó)12333統(tǒng)一咨詢?nèi)铡被顒?dòng)。推動(dòng)12333電話咨詢業(yè)務(wù)購(gòu)買第三方服務(wù)建設(shè)，確保綜合接通率達(dá)到80%以上。加快12333電話查詢和業(yè)務(wù)辦理功能建設(shè)，探索12333智能服務(wù)應(yīng)用。強(qiáng)化業(yè)務(wù)政策培訓(xùn)，充實(shí)完善知識(shí)庫(kù)內(nèi)容，努力提升12333電話咨詢服務(wù)水平。

五、不斷強(qiáng)化網(wǎng)絡(luò)安全保障

（一）提高網(wǎng)絡(luò)安全意識(shí)。進(jìn)一步提高站位，落實(shí)網(wǎng)絡(luò)安全主體責(zé)任，增強(qiáng)維護(hù)網(wǎng)絡(luò)安全的責(zé)任感和使命感，切實(shí)履行“守土有責(zé)、守土擔(dān)責(zé)、守土盡責(zé)”的網(wǎng)絡(luò)信息安全擔(dān)當(dāng)。加強(qiáng)網(wǎng)絡(luò)安全宣傳，定期開展網(wǎng)絡(luò)安全相關(guān)法律法規(guī)集中學(xué)習(xí)。

（二）提升安全保障能力。完成網(wǎng)絡(luò)安全等級(jí)保護(hù)測(cè)評(píng)和整改，加快推進(jìn)縣區(qū)業(yè)務(wù)專網(wǎng)安全等級(jí)保護(hù)工作。加強(qiáng)數(shù)據(jù)庫(kù)審計(jì)和運(yùn)維管理及網(wǎng)絡(luò)安全監(jiān)測(cè)技術(shù)手段，做好業(yè)務(wù)終端準(zhǔn)入控制和操作人員權(quán)限管理，提高基礎(chǔ)安全防護(hù)能力，防范安全事件發(fā)生。

（三）完善安全通報(bào)機(jī)制。建立完善市縣（區(qū)）兩級(jí)網(wǎng)絡(luò)安全通報(bào)反饋、應(yīng)急處置機(jī)制，形成“通報(bào)、整改、督查、反饋”閉環(huán)，上下聯(lián)動(dòng)，共同提高安全應(yīng)急處置能力。

六、繼續(xù)加強(qiáng)網(wǎng)信基礎(chǔ)建設(shè)

（一）加強(qiáng)宏觀規(guī)劃。對(duì)標(biāo)“十三五”人社網(wǎng)信目標(biāo)任務(wù)，逐一清點(diǎn)落實(shí)。謀劃“十四五”期間人社網(wǎng)信工作思路，開展“十四五”人社信息化課題研究。

（二）加強(qiáng)工作宣傳。將宣傳工作放在重要位置抓實(shí)抓好，以社會(huì)保障卡宣傳工作為重點(diǎn)，把宣傳工作貫穿到卡服務(wù)的每個(gè)環(huán)節(jié)，提高群眾的知曉度和認(rèn)同感。

篇7

【關(guān)鍵詞】網(wǎng)絡(luò)信貸 大數(shù)據(jù) 信用評(píng)估 互聯(lián)網(wǎng)金融

一、P2P網(wǎng)絡(luò)信貸運(yùn)營(yíng)模式及網(wǎng)絡(luò)個(gè)人信貸信用風(fēng)險(xiǎn)分析

（一）典型P2P網(wǎng)絡(luò)信貸平臺(tái)運(yùn)營(yíng)模式分析

1.國(guó)際典型的P2P平臺(tái)，以Kiva平臺(tái)（美國(guó)）、Prosper平臺(tái)（美國(guó)）、Zopa（英國(guó)）為例，綜合對(duì)比如下表所示：

2.國(guó)內(nèi)典型的P2P平臺(tái)，以陸金所、人人貸、拍拍貸、宜信、紅嶺創(chuàng)投國(guó)內(nèi)典型的P2P網(wǎng)絡(luò)信貸平臺(tái)公司運(yùn)營(yíng)模式為例，綜合對(duì)比如下表所示：

（二）P2P網(wǎng)絡(luò)個(gè)人信貸信用風(fēng)險(xiǎn)分析

由上述表2-1和2-2反映的P2P平臺(tái)運(yùn)營(yíng)模式進(jìn)行對(duì)比分析后不難得出，國(guó)內(nèi)網(wǎng)絡(luò)個(gè)人信貸大多采用無(wú)抵押信用貸款，其業(yè)務(wù)風(fēng)險(xiǎn)點(diǎn)主要存在以下三個(gè)方面：借款人使用虛假身份信息；借款人違規(guī)使用貸款；借款人惡意拖延或拒絕還款。

二、大數(shù)據(jù)對(duì)網(wǎng)絡(luò)個(gè)人信貸進(jìn)行信用評(píng)估

（一）針對(duì)借款人使用虛假身份信息風(fēng)險(xiǎn)

對(duì)借款人采用個(gè)體狀況分析可以很大程度上排除掉使用虛假身份的惡意騙款人，保證網(wǎng)絡(luò)信貸平臺(tái)的基本穩(wěn)定與安全。P2P網(wǎng)絡(luò)信貸平臺(tái)可以通過(guò)公安部推出的全國(guó)公民身份證號(hào)碼查詢服務(wù)中心、教育部主辦的學(xué)信網(wǎng)、國(guó)家工商行政管理總局推出的全國(guó)企業(yè)信用信息公示系統(tǒng)、分智網(wǎng)和前程無(wú)憂等網(wǎng)絡(luò)平臺(tái)、房管和車管部門信息平臺(tái)對(duì)借款人身份、受教育、工作單位、個(gè)人收入、工作經(jīng)歷、房產(chǎn)、汽車等信息進(jìn)行驗(yàn)證，還可以通過(guò)法院、銀行系統(tǒng)對(duì)其有無(wú)過(guò)往經(jīng)濟(jì)糾紛、逾期貸款等信息進(jìn)行核實(shí)。長(zhǎng)遠(yuǎn)來(lái)看隨著大數(shù)據(jù)技術(shù)和應(yīng)用的不斷完善，包含交通、水、電、煤氣等各類的個(gè)體信息將接入互聯(lián)網(wǎng)，P2P網(wǎng)絡(luò)信貸平臺(tái)將有渠道獲得更多的信息對(duì)借款人進(jìn)行信用審核與評(píng)估，而對(duì)于那些無(wú)法直接聯(lián)網(wǎng)獲取的信息，可通過(guò)查看銀行流水賬單或征求第三方機(jī)構(gòu)獲取信用記錄評(píng)估其信用評(píng)級(jí)。

（二）針對(duì)借款人違規(guī)使用貸款風(fēng)險(xiǎn)

社交網(wǎng)絡(luò)行為分析可以通過(guò)分析借款人在微信、微博等社交應(yīng)用的好友數(shù)量、內(nèi)容、興趣范圍、消費(fèi)關(guān)聯(lián)度等因素對(duì)其進(jìn)行綜合評(píng)估。隨著多尺度語(yǔ)義分析和圖片識(shí)別等網(wǎng)絡(luò)技術(shù)的逐步成熟，越來(lái)越多的社交網(wǎng)絡(luò)信息可以被利用起來(lái)對(duì)一個(gè)人進(jìn)行信用評(píng)估。此外通過(guò)借款人網(wǎng)絡(luò)購(gòu)物行為評(píng)估其信用的價(jià)值要比其他網(wǎng)絡(luò)行為數(shù)據(jù)更準(zhǔn)確，該方法很容易了解借款人電子賬戶資金流水、消費(fèi)能力、資金狀況、資金使用范圍等關(guān)鍵信息。例如京東完全根據(jù)用戶以往的購(gòu)物行為來(lái)授予信用額度的京東白條說(shuō)明通過(guò)分析網(wǎng)絡(luò)購(gòu)物行為進(jìn)行授信可行。目前針對(duì)數(shù)據(jù)信息難以互通等數(shù)據(jù)孤島、數(shù)據(jù)低質(zhì)和數(shù)據(jù)泄露等問(wèn)題，行業(yè)已產(chǎn)生特定中介商，專業(yè)從事大數(shù)據(jù)交易，為數(shù)據(jù)下游需求者整合上游數(shù)據(jù)源，提供P2P網(wǎng)絡(luò)信貸平臺(tái)無(wú)法調(diào)用的網(wǎng)購(gòu)等數(shù)據(jù)，保障了相關(guān)數(shù)據(jù)的獲取、質(zhì)量和有效利用，使平臺(tái)能夠快速地對(duì)借款者進(jìn)行信用評(píng)估。

（三）針對(duì)借款人惡意拖延或拒絕還款風(fēng)險(xiǎn)

以往P2P信貸平臺(tái)的借款人惡意拖延或拒絕還款時(shí)，平臺(tái)在催收無(wú)果時(shí)僅僅只能將借款人信息加入平臺(tái)黑名單或者在相關(guān)行業(yè)內(nèi)進(jìn)行公布共享，但此做法缺乏有效的威懾力，無(wú)法對(duì)相關(guān)借款人的其他社會(huì)信用a生實(shí)質(zhì)影響，其失信成本遠(yuǎn)遠(yuǎn)低于違規(guī)成本。2014年國(guó)家信用體系建設(shè)工作領(lǐng)導(dǎo)小組已編制完成了《社會(huì)信用體系建設(shè)規(guī)劃綱要（2014-2020）》，并經(jīng)國(guó)務(wù)院常務(wù)會(huì)議原則通過(guò)，國(guó)家層面社會(huì)信用體系建設(shè)的相關(guān)工作正式啟動(dòng)實(shí)施，各階段的工作目標(biāo)已經(jīng)確定，針對(duì)公民個(gè)人誠(chéng)信檔案建立工作也逐步展開。這將對(duì)網(wǎng)絡(luò)信貸發(fā)展起到重大促進(jìn)作用，網(wǎng)絡(luò)信貸平臺(tái)在規(guī)范平臺(tái)自身運(yùn)營(yíng)的同時(shí)，要加強(qiáng)法律維權(quán)，將網(wǎng)絡(luò)個(gè)人貸款信貸記錄形成證據(jù)鏈，通過(guò)司法途徑對(duì)惡意拖延或拒絕還款進(jìn)行，并將依法維權(quán)和判決信息在在金融體系進(jìn)行共享，并積極申請(qǐng)接入個(gè)人征信系統(tǒng)數(shù)據(jù)來(lái)源渠道，進(jìn)一步提高失信借款人的違規(guī)成本，推動(dòng)行業(yè)對(duì)違規(guī)失信借款人實(shí)施聯(lián)合懲戒，幫助P2P行業(yè)健康發(fā)展。

參考文獻(xiàn)：

篇8

在網(wǎng)絡(luò)市場(chǎng)，思科認(rèn)證“一統(tǒng)江湖”的局面正在被H3C所打破。近日，H3C正式推出國(guó)內(nèi)第一個(gè)面向數(shù)據(jù)中心網(wǎng)絡(luò)的高端認(rèn)證項(xiàng)目H3CSE-Data Center（H3C Certified Senior Engineer for Data Center Network，H3C認(rèn)證數(shù)據(jù)中心網(wǎng)絡(luò)高級(jí)工程師）。據(jù)悉，這一認(rèn)證是目前全球唯一一個(gè)能夠提供針對(duì)大中型數(shù)據(jù)中心設(shè)計(jì)、構(gòu)建及所需技術(shù)的體系化培訓(xùn)，并包含理論及實(shí)踐雙重培訓(xùn)機(jī)制的高端認(rèn)證。伴隨H3CSE-Data Center的推出，H3C也走進(jìn)了網(wǎng)絡(luò)認(rèn)證市場(chǎng)的核心成員俱樂部。

經(jīng)過(guò)十年的發(fā)展， H3C認(rèn)證在網(wǎng)絡(luò)市場(chǎng)的影響力大有猛超思科的勢(shì)頭。已在國(guó)內(nèi)各大中心城市擁有30余家授權(quán)培訓(xùn)中心和300余家網(wǎng)絡(luò)學(xué)院的H3C，近年來(lái)一直在為網(wǎng)絡(luò)市場(chǎng)輸出高端專業(yè)人才。2007年，在國(guó)內(nèi)參與H3C認(rèn)證的人數(shù)就超過(guò)了參與思科認(rèn)證的人數(shù)，每年通過(guò)其認(rèn)證的人數(shù)超過(guò)了兩萬(wàn)人。截至2011年6月底，參加H3C認(rèn)證培訓(xùn)的總?cè)藬?shù)已突破15萬(wàn)，其中8萬(wàn)多人獲得了各類認(rèn)證。

H3C副總裁江梅坤告訴記者，數(shù)據(jù)中心的云化趨勢(shì)為整個(gè)行業(yè)帶來(lái)了巨大的變化，數(shù)據(jù)中心的建設(shè)更需要能夠在規(guī)劃、設(shè)計(jì)、運(yùn)維等方面具有體系化思路的人才。但傳統(tǒng)網(wǎng)絡(luò)認(rèn)證大多關(guān)注處理單一問(wèn)題，對(duì)于數(shù)據(jù)中心建設(shè)的轉(zhuǎn)型需求支撐不足。H3C一方面希望通過(guò)推出H3CSE-Data Center認(rèn)證項(xiàng)目完善數(shù)據(jù)中心網(wǎng)絡(luò)工程師的知識(shí)架構(gòu)，一方面也希望在未來(lái)數(shù)據(jù)中心的建設(shè)項(xiàng)目中，培養(yǎng)更多能夠體系化地理解網(wǎng)絡(luò)架構(gòu)與存儲(chǔ)、計(jì)算關(guān)系的專業(yè)人才。據(jù)介紹，在H3CSE-Data Center認(rèn)證培訓(xùn)課程中，學(xué)員學(xué)習(xí)的內(nèi)容是大中型數(shù)據(jù)中心的主要需求和常用技術(shù)，掌握如何運(yùn)用這些技術(shù)設(shè)計(jì)和構(gòu)建高速、可靠、安全的數(shù)據(jù)中心網(wǎng)絡(luò)。考試將重點(diǎn)考察考生對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)知識(shí)結(jié)構(gòu)的掌握，對(duì)各項(xiàng)技術(shù)、特性的深入理解和運(yùn)用能力，以及考生在工程規(guī)范、設(shè)備操作、協(xié)議配置、功能部署等方面的實(shí)踐技能。通過(guò)認(rèn)證的網(wǎng)絡(luò)技術(shù)人員能夠掌握包括機(jī)房基礎(chǔ)設(shè)施建設(shè)、路由、交換、安全等部署數(shù)據(jù)中心網(wǎng)絡(luò)所需的全方位理論和操作技能，可勝任大中型數(shù)據(jù)中心網(wǎng)絡(luò)的架構(gòu)設(shè)計(jì)、建設(shè)和管理工作。對(duì)業(yè)者而言，H3C認(rèn)證培訓(xùn)的質(zhì)量和規(guī)格可謂不低。其培訓(xùn)課程均由參與過(guò)騰訊、百度等企業(yè)及運(yùn)營(yíng)商等大型數(shù)據(jù)中心網(wǎng)絡(luò)建設(shè)和維護(hù)的H3C技術(shù)專家團(tuán)隊(duì)精心打造。H3CSE-Data Center認(rèn)證項(xiàng)目在培訓(xùn)中還會(huì)專門針對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)的建設(shè)者和運(yùn)維人員進(jìn)行工作任務(wù)分析、構(gòu)建能力模型，同時(shí)還為學(xué)員提供了用于實(shí)驗(yàn)操作的從接入層到核心層的全系列數(shù)據(jù)中心級(jí)網(wǎng)絡(luò)設(shè)備。

H3C認(rèn)證雖然在國(guó)內(nèi)已站穩(wěn)腳跟，但卻一直難以走入國(guó)際網(wǎng)絡(luò)高端認(rèn)證的“核心俱樂部”。正如江梅坤所說(shuō)，如果沒有推出數(shù)據(jù)中心認(rèn)證這樣的項(xiàng)目，H3C依舊在“圈外”徘徊。

篇9

本文主要分析了延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)常見的一些數(shù)據(jù)傳輸技術(shù)漏洞和存在問(wèn)題，闡述了在當(dāng)前形勢(shì)下，改進(jìn)該技術(shù)的重要性，針對(duì)其數(shù)據(jù)傳輸中存在的問(wèn)題進(jìn)行研究。筆者通過(guò)研究，總結(jié)和歸納自身多年工作經(jīng)驗(yàn)，提出一些創(chuàng)新技術(shù)。希望通過(guò)本文的分析能幫助相關(guān)研發(fā)單位提高數(shù)據(jù)傳輸技術(shù)水平和質(zhì)量，能更好地應(yīng)對(duì)工作中存在的問(wèn)題。

【關(guān)鍵詞】延遲容忍移動(dòng) 傳感器 網(wǎng)絡(luò)數(shù)據(jù) 傳輸技術(shù)

延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)技術(shù)，是一種新技術(shù)，傳感器由無(wú)線網(wǎng)絡(luò)連接，使用范圍較廣。如水下信息采集、智能交通以及獲得戰(zhàn)場(chǎng)情報(bào)等。但其在運(yùn)用時(shí)也發(fā)現(xiàn)了不少問(wèn)題，因此，探討、分析該技術(shù)存在的問(wèn)題具有重要的作用和意義，只有找到影響其運(yùn)行的因素，并積極尋找解決對(duì)策，才能解決技術(shù)中存在的問(wèn)題，提高這種新技術(shù)的水平和質(zhì)量。

1 延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸技術(shù)現(xiàn)狀

1.1 相鄰節(jié)點(diǎn)的連接探測(cè)

該傳感器網(wǎng)絡(luò)節(jié)點(diǎn)在運(yùn)行時(shí)，無(wú)法感知到鄰居節(jié)點(diǎn)的出現(xiàn)時(shí)間和分布區(qū)域，節(jié)點(diǎn)為了把采集到的數(shù)據(jù)及時(shí)的傳輸給基站，需要不間斷地對(duì)例句節(jié)點(diǎn)進(jìn)行探測(cè)。當(dāng)網(wǎng)絡(luò)連接時(shí)間間隔過(guò)長(zhǎng)時(shí)，這種不間斷地測(cè)探工作，會(huì)使傳感器中能量受到限制的節(jié)點(diǎn)過(guò)早將能量消耗殆盡，使所有網(wǎng)絡(luò)使用期限受到影響。

1.2 傳輸數(shù)據(jù)的路由

移動(dòng)是DTMSN節(jié)點(diǎn)的一大特性，網(wǎng)絡(luò)圖論的更新速度較快，各個(gè)節(jié)點(diǎn)間沒有相對(duì)穩(wěn)定的對(duì)端連接，使得該類傳感器網(wǎng)絡(luò)無(wú)法套用靜態(tài)傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸體制。為保證其數(shù)據(jù)傳輸?shù)挠行裕话憔W(wǎng)絡(luò)節(jié)點(diǎn)會(huì)使用“儲(chǔ)存-挾帶-轉(zhuǎn)給”這種固定模式對(duì)數(shù)據(jù)進(jìn)行傳輸，這種方式存在一些缺陷，如延遲較高、成功幾率較低。

節(jié)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)給時(shí)，為了保證成功率，使延遲降低，通常會(huì)將多個(gè)信息復(fù)制文本進(jìn)行傳輸，但是，網(wǎng)絡(luò)節(jié)點(diǎn)沒有較大的空間對(duì)接受的數(shù)據(jù)進(jìn)行儲(chǔ)存，大大降低了傳感器網(wǎng)絡(luò)的儲(chǔ)存能力。若沒有完善的控制機(jī)制對(duì)復(fù)本和轉(zhuǎn)發(fā)系統(tǒng)進(jìn)行控制，會(huì)導(dǎo)致儲(chǔ)存容積極易消耗殆盡，其數(shù)據(jù)傳輸功能會(huì)受到嚴(yán)重影響。

1.3 數(shù)據(jù)傳輸?shù)陌踩?/p>

確保傳輸數(shù)據(jù)的安全性，是該網(wǎng)絡(luò)的關(guān)鍵所在。如若沒有安全保障體系對(duì)其進(jìn)行控制，盡管其傳輸路由有效性再?gòu)?qiáng)，也沒有任何意義。因網(wǎng)絡(luò)節(jié)點(diǎn)儲(chǔ)存空間較小、圖論更新過(guò)快、通訊間隔較短，且其處理運(yùn)算能力有限，使得該類網(wǎng)絡(luò)安全性能較低，易受到外界病毒或是黑客的攻擊，嚴(yán)重影響到其功能的發(fā)揮。傳統(tǒng)無(wú)線感應(yīng)器網(wǎng)絡(luò)的數(shù)據(jù)傳輸?shù)陌踩夹g(shù)已較為完善，但這些技術(shù)在DTMSN中并不適用。

2 延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸創(chuàng)新技術(shù)

2.1 互質(zhì)周期

以互質(zhì)周期作為異步節(jié)點(diǎn)連接的探測(cè)基礎(chǔ)，可有效改善該類傳感器網(wǎng)絡(luò)中出現(xiàn)的節(jié)點(diǎn)連接探測(cè)問(wèn)題，其主要的運(yùn)行原理是將網(wǎng)絡(luò)的節(jié)點(diǎn)分成睡眠與喚醒兩種狀態(tài)。為了降低探測(cè)時(shí)的能耗，可以再探測(cè)使用一種基于互質(zhì)周期的時(shí)隙睡眠探測(cè)方法，這種方法能保證在沒有預(yù)先連接信息的前提下，各個(gè)節(jié)點(diǎn)異步完成高效的探測(cè)，且成功率和精確度很高，是一種可行的方案；同時(shí)，可對(duì)RWP運(yùn)動(dòng)模型進(jìn)行分析，利用其特有的統(tǒng)計(jì)方法，將網(wǎng)絡(luò)進(jìn)行區(qū)域劃分后，將其中相鄰節(jié)點(diǎn)的相遇和出現(xiàn)概率與分布范圍進(jìn)行計(jì)算，并制定科學(xué)、合理的探測(cè)方案，可有效提高節(jié)點(diǎn)的探測(cè)效率。

2.2 節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)

將其作為感應(yīng)器網(wǎng)絡(luò)的主要運(yùn)作方式，對(duì)數(shù)據(jù)進(jìn)行傳輸，可有效解決路由問(wèn)題。其主要運(yùn)行原理是讓f1、f2這兩個(gè)通訊頻率分別進(jìn)入到的節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)中，對(duì)數(shù)據(jù)進(jìn)行傳輸和獲取。在f1這一頻率上，主要是降低原先使用GPS使帶來(lái)的高成本，其使用TDOA和節(jié)點(diǎn)的周期性對(duì)其節(jié)點(diǎn)出現(xiàn)地點(diǎn)、方向以及速度等運(yùn)動(dòng)狀態(tài)進(jìn)行定位，以便對(duì)下一時(shí)段節(jié)點(diǎn)出現(xiàn)的位置以及傳輸幾率進(jìn)行估算；在f2這一頻率上，數(shù)據(jù)是否轉(zhuǎn)給路由需要各個(gè)節(jié)點(diǎn)的傳輸概率進(jìn)行比較后決定；還可利用MSAD的自私法則與信息時(shí)效對(duì)消息進(jìn)行排列管理，特有效提高消息發(fā)送的均衡性和數(shù)據(jù)傳輸效率。

2.3 節(jié)點(diǎn)相互認(rèn)證機(jī)制

該類感應(yīng)器網(wǎng)絡(luò)中，節(jié)點(diǎn)的認(rèn)證體系可被克隆，因此，為了提高傳輸數(shù)據(jù)的安全性，利用一種物理的不可復(fù)制性能（MAP）建立起認(rèn)證體系，利用節(jié)點(diǎn)，對(duì)不可復(fù)制性能和體系將的激勵(lì)、響應(yīng)信息進(jìn)行存儲(chǔ)，使其相互認(rèn)證等到實(shí)現(xiàn)。該體系可有效降低以往相互認(rèn)證體系對(duì)信息數(shù)據(jù)庫(kù)的過(guò)度依賴，其較高的安全性可防止數(shù)據(jù)不被克隆。對(duì)MAP進(jìn)行分析研究，發(fā)現(xiàn)可利用該性能制定一個(gè)專屬于DTMSN的密鑰管理體制，這種體制管理方法較為便捷，且具備較高的安全性，可保證延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)傳輸數(shù)據(jù)的安全性。

3 結(jié)束語(yǔ)

綜上所述，延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)在數(shù)據(jù)傳輸中存在一些問(wèn)題，如相鄰節(jié)點(diǎn)的連接探測(cè)方式不合理、傳輸數(shù)據(jù)路由延遲較高，且成功率較低、數(shù)據(jù)傳輸安全等不到保障等。這些問(wèn)題嚴(yán)重制約著其數(shù)據(jù)傳輸工作的順利開展，必須要解決這些問(wèn)題，才能提高數(shù)據(jù)傳輸技術(shù)的質(zhì)量。筆者提出，首先，可在互質(zhì)周期的基礎(chǔ)上，使異步節(jié)點(diǎn)進(jìn)行連接探測(cè)，提高探測(cè)效率；其次，利用節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)，感知下一時(shí)段內(nèi)節(jié)點(diǎn)出現(xiàn)的位置和數(shù)據(jù)傳輸?shù)母怕剩蛔詈螅衫梦锢聿豢蓮?fù)制性能與節(jié)點(diǎn)的相互認(rèn)證體系相結(jié)合，提高傳輸數(shù)據(jù)的安全性。筆者希望更多的專業(yè)人士能投入到該課題研究中，針對(duì)文中存在的不足，提出指正建議，為提高我國(guó)延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸技術(shù)做出重要的貢獻(xiàn)。

參考文獻(xiàn)

[1]許富龍，劉明，龔海剛. 延遲容忍傳感器網(wǎng)絡(luò)基于相對(duì)距離的數(shù)據(jù)傳輸[J].軟件學(xué)報(bào)，2010（03）.

[2]楊奎武.延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸關(guān)鍵技術(shù)研究[D].北京郵電大學(xué)，2012.

[3]李文霽.延遲容忍移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸技術(shù)研究[D].北京郵電大學(xué)，2013.

[4]劉亞志.延遲容忍網(wǎng)中數(shù)據(jù)傳輸關(guān)鍵技術(shù)研究[D].北京郵電大學(xué)，2013.

篇10

Abstract： Perturbation model by building privacy preserving data clustering using hidden logarithmic spiral perturbations of the original data， maintaining stable raw data neighborhood relationship， the effective maintenance of data availability clustering； further mention BP neural networkthe convergence speed. Data privacy， while maintaining the availability of the output results and can be effectively avoided.

關(guān)鍵詞： BP神經(jīng)網(wǎng)絡(luò)；對(duì)數(shù)螺旋線；數(shù)據(jù)擾動(dòng)；收斂速度

Key words： BP neural network；logarithmic spiral；data perturbation；convergence rate

中圖分類號(hào)：TP392 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）02-0181-02

0 引言

人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)若能預(yù)先進(jìn)行有效的數(shù)據(jù)處理，那么對(duì)隱藏層的數(shù)據(jù)處理可提供高效的數(shù)據(jù)，使得網(wǎng)絡(luò)收斂速度得到較快改進(jìn)，數(shù)據(jù)擾動(dòng)不僅是解決了該問(wèn)題，而且可以對(duì)原始數(shù)據(jù)中的隱私信息得到有效的保護(hù)。

1 對(duì)數(shù)螺線方程

對(duì)數(shù)螺旋線上的動(dòng)點(diǎn)的與極坐標(biāo)的極徑始終保持定角β的軌跡，稱為對(duì)數(shù)螺旋線（如圖1所示），它的極坐標(biāo)方程為：r=r0ekθ。

期中：r0、k為常數(shù)，k=ctgβ，r0為起始極徑，θ為極角，r為極徑。

在直角坐標(biāo)系中其方程為：

x=r0ekθcosθ y=r0ekθsinθ

2 對(duì)數(shù)螺線特性

對(duì)數(shù)螺旋線具有良好的幾何特性，主要表現(xiàn)在以下幾方面：①在一條對(duì)數(shù)螺旋線上，每個(gè)點(diǎn)的螺旋角每處都相等，運(yùn)動(dòng)點(diǎn)的運(yùn)動(dòng)方向與極徑之間的夾角β始終固定值，稱該角度為對(duì)數(shù)螺旋線的螺旋角，即螺旋線上每點(diǎn)的螺旋角都相等。②螺旋線與它的等距曲線全等始終保持螺旋線的螺旋角都不會(huì)不變，改變它的起始極徑r0，那么就會(huì)形成一系列的等距螺旋線族，它們是全等的螺旋線。③針對(duì)多維數(shù)據(jù)，若進(jìn)行對(duì)數(shù)螺線擾動(dòng)，始終不會(huì)改變數(shù)據(jù)集的數(shù)據(jù)附近之間的關(guān)系。④對(duì)數(shù)據(jù)集進(jìn)行多重對(duì)數(shù)螺線擾動(dòng)，不會(huì)改變數(shù)據(jù)集的數(shù)據(jù)鄰域關(guān)系。⑤多重對(duì)數(shù)螺線擾動(dòng)可以增強(qiáng)隱私保護(hù)的安全性。

綜上所述，通過(guò)對(duì)數(shù)螺旋線對(duì)數(shù)據(jù)進(jìn)行擾動(dòng)，不會(huì)改變?cè)紨?shù)據(jù)的基本特性。

3 對(duì)數(shù)螺旋線數(shù)據(jù)擾動(dòng)方法

考慮將對(duì)數(shù)螺線的幾何性質(zhì)應(yīng)用于微數(shù)據(jù)隱藏，借助對(duì)數(shù)螺線對(duì)數(shù)據(jù)點(diǎn)進(jìn)行擾動(dòng)，隱藏原始數(shù)據(jù)。具體思路如下：通過(guò)對(duì)數(shù)螺線的旋轉(zhuǎn)和縮放使數(shù)據(jù)點(diǎn)落于對(duì)數(shù)螺線上，再使數(shù)據(jù)點(diǎn)沿螺線方向在螺線上移動(dòng)，從而對(duì)原數(shù)據(jù)進(jìn)行擾動(dòng)保護(hù)，將這種擾動(dòng)方法稱之為對(duì)數(shù)螺線擾動(dòng)。

設(shè)原始數(shù)據(jù)點(diǎn)為A，對(duì)數(shù)螺線擾動(dòng)函數(shù)為F，擾動(dòng)后數(shù)據(jù)點(diǎn)為A′，F(xiàn)×A表示運(yùn)用函數(shù)F對(duì)數(shù)據(jù)點(diǎn)A進(jìn)行擾動(dòng)，則對(duì)數(shù)螺線擾動(dòng)可以表示為F×AA′。

在二維平面上，給定一條對(duì)數(shù)螺線，對(duì)于平面上任意一點(diǎn)，若該點(diǎn)落在對(duì)數(shù)螺線上，則使該點(diǎn)順著螺線的方向在螺線上移動(dòng)；若該點(diǎn)不在螺線上，則使螺線繞其螺心旋轉(zhuǎn)直至使該點(diǎn)落于螺線上，再使該點(diǎn)在螺線上沿螺線方向移動(dòng)，將這種擾動(dòng)方法稱之為二維對(duì)數(shù)螺線擾動(dòng)，如圖2所示。

設(shè)點(diǎn)A（Ai，Aj）為二維平面上的任意一點(diǎn)，設(shè)對(duì)數(shù)螺心為O（x，y），對(duì)數(shù)螺線方程為r=aekθ，旋轉(zhuǎn)擾動(dòng)角度為Δθ，如圖2所示，二維對(duì)數(shù)螺旋線擾動(dòng)可分解為旋轉(zhuǎn)和縮放兩部分，點(diǎn)A先縮放至點(diǎn)A″，再圍繞螺心旋轉(zhuǎn)至點(diǎn)A′。

設(shè)θA為點(diǎn)A相對(duì)于對(duì)數(shù)螺線的極角，縮放參數(shù)k為擾動(dòng)后的點(diǎn)A′與螺心的距離|A′|與擾動(dòng)前的點(diǎn)A與螺心的距離｜OA｜的比，則

k=■=■=■=e■

其中r■、r■分別為點(diǎn)A、A′的極徑。則擾動(dòng)后點(diǎn)A′（A■■，A■■）的坐標(biāo)為

A■■=k·rA·cosθ■+Δθ+x A■■=k·r■·cosθ■+Δθ+y

根據(jù)給定的參數(shù)，設(shè)二維螺旋線擾動(dòng)函數(shù)為F（k，Δθ，O（x，y）），則二維對(duì)數(shù)螺旋線擾動(dòng)可以表示為：

F（k，Δθ，O（x，y））×A（Ai，Aj）A′（A■■，A■■）

將多維數(shù)據(jù)集D中的多維屬性隨機(jī)劃分成一組不相交的二維、三維投影子集，給定縮放參數(shù)k。對(duì)于二維投影子集，給定螺心O（x，y）和擾動(dòng)角度Δθ，進(jìn)行二維對(duì)數(shù)螺線擾動(dòng)；對(duì)于三維投影子集，給定螺心O（x，y，z）、螺軸向量V（a，b，c）和擾動(dòng)角度Δθ，進(jìn)行三維對(duì)數(shù)螺線擾動(dòng)，最后將原數(shù)據(jù)集替換為擾動(dòng)后的數(shù)據(jù)集D′。對(duì)數(shù)據(jù)集D進(jìn)行t次這樣的對(duì)數(shù)螺線擾動(dòng)，最終得到t重對(duì)數(shù)螺線擾動(dòng)后的數(shù)據(jù)集D（T）。

4 人工神經(jīng)網(wǎng)絡(luò)樣本質(zhì)量對(duì)網(wǎng)絡(luò)的影響

BP神經(jīng)網(wǎng)絡(luò)能夠較好地解決I/O之間的映射關(guān)系的不明確問(wèn)題，大部分的人工神經(jīng)模式在模式識(shí)別問(wèn)題中，其I/O的映射關(guān)系難于用解析的方法來(lái)求解，故神經(jīng)網(wǎng)絡(luò)很難適用來(lái)解決模式識(shí)別中的有關(guān)問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)的樣本主要分為訓(xùn)練樣本及測(cè)試樣本，神經(jīng)網(wǎng)絡(luò)中樣本的本身質(zhì)量，在一定程度上影響著預(yù)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果。首先，輸入的訓(xùn)練樣本及待預(yù)測(cè)樣本平均值存在較大差異，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差值，就會(huì)隨著增長(zhǎng)預(yù)測(cè)時(shí)間的訓(xùn)練不斷增大。再次，如果訓(xùn)練誤差會(huì)隨訓(xùn)練樣本及待預(yù)測(cè)樣本均值的差異增大而逐漸增大。

所以把用于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和待預(yù)測(cè)樣本先進(jìn)行數(shù)據(jù)擾動(dòng)，可以保證數(shù)據(jù)的安全性和可用性，先用對(duì)數(shù)螺旋線進(jìn)行t重?cái)_動(dòng)，再進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，最后用輸入樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)，實(shí)驗(yàn)證明使用擾動(dòng)后的數(shù)據(jù)進(jìn)行訓(xùn)練的網(wǎng)絡(luò)比用原始數(shù)據(jù)歸一化處理后訓(xùn)練的網(wǎng)絡(luò)收斂速度快，且輸出結(jié)果更加可靠。

5 實(shí)驗(yàn)與分析

BP人工神經(jīng)網(wǎng)絡(luò)的主要功能是能以任意精度逼近任意連續(xù)函數(shù)，幾乎所有的模式識(shí)別及分類問(wèn)題基本能看作從模式空間到類別空間的一個(gè)映射，故BP神經(jīng)網(wǎng)絡(luò)模式分類方法能用于解決任意復(fù)雜度的模式分類問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)泛化能力較強(qiáng)，若用少量的訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后，那么BP神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練階段，也能對(duì)沒有遇到的新樣本給出正確分類。神經(jīng)網(wǎng)絡(luò)的這種泛化性，是其它模式分類方法無(wú)法的。

使用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法，可以較好的解決模式分類問(wèn)題，但因?yàn)橛?xùn)練樣本數(shù)量和分布不可能是理想的，若使用樣本集訓(xùn)練分類器所得到的分類面始終與最優(yōu)分類是存在差異，這就導(dǎo)致了人工神經(jīng)網(wǎng)絡(luò)的泛化能力。為了提高人工神經(jīng)網(wǎng)絡(luò)的泛化能力及收斂速度，有許多專家做了大量的工作，但由于這些研究主要是集中分析人工神經(jīng)網(wǎng)絡(luò)的參數(shù)和訓(xùn)練樣本等對(duì)泛化能力的影響，對(duì)用新的方法提高網(wǎng)絡(luò)的泛化能力及泛化能力的穩(wěn)定性很少涉及[2]。

采用文獻(xiàn)[1]中的例子，在MATLAB下用誤差投影和局部投影算法，對(duì)RBF網(wǎng)絡(luò)進(jìn)行仿真實(shí)驗(yàn)，優(yōu)化BP網(wǎng)絡(luò)參數(shù)，預(yù)測(cè)某種水泥在凝固時(shí)放出的熱量y（卡/克）與水泥中下列四種化學(xué)成分之間的關(guān)系，實(shí)驗(yàn)樣本數(shù)據(jù)為表1中的數(shù)據(jù)。

其中，x1，x2，x3，x4的含意如下：x1：3CaO·Al2O3的成分（%）；x2：3CaO·SiO2的成分（%）；x3：4CaO·Al2O3·Fe2O3的成分（%）；x4：2CaO·SiO2的成分（%）。

用對(duì)數(shù)螺旋線進(jìn)行t重?cái)_動(dòng)（取整），對(duì)表1的擾動(dòng)后的輸入如表2所示。

對(duì)BP網(wǎng)絡(luò)訓(xùn)練后，對(duì)表2中的實(shí)際值進(jìn)行預(yù)測(cè)，實(shí)驗(yàn)結(jié)果如表3。

6 結(jié)論

采用對(duì)數(shù)螺旋線對(duì)輸入樣本數(shù)據(jù)進(jìn)行擾動(dòng)，保持了數(shù)據(jù)的原始特性不變的情況下，加快了BP人工神經(jīng)網(wǎng)絡(luò)的收斂速度，精度得到了較大的提高，而且對(duì)數(shù)據(jù)中的隱私得到了有效的保護(hù)。經(jīng)過(guò)MATLAB仿真實(shí)驗(yàn)，仿真結(jié)果見表3，從該表可以看出，與文獻(xiàn)[2]的結(jié)果比較仿真精度得到了較大的提高，平均誤差為-0.27，標(biāo)準(zhǔn)方差為0.7732。

參考文獻(xiàn)：

[1]Kadirkamanathan V， Niranjan M. A function estimation approach to sequential learning with neural networks. Neural Computation，1993，5（4）：954-975.

[2]宋紹云等.人工神經(jīng)網(wǎng)絡(luò)中的樣本對(duì)輸出精度影響分析[J].河北：價(jià)值工程，2010-5-3.

[3]李江紅等.RBF神經(jīng)網(wǎng)絡(luò)的一種新的學(xué)習(xí)算法[J].長(zhǎng)沙：長(zhǎng)沙電力學(xué)院學(xué)報(bào)（自然科學(xué)版），2000，15（1）：39-42.