• AI-IDS：一种基于人工智能的入侵检测系统，利用高效的鲸鱼优化算法和SVM技术提升网络安全水平

  摘要：随着网络入侵手段的日益复杂，检测工作面临巨大挑战，这威胁到了数据加密、备份及系统可用性等关键安全服务的可靠性。尽管已有许多策略用于入侵检测，但往往难以达到所需的准确率。本文介绍了一种名为人工智能驱动的入侵检测系统（AI-IDS）的新式入侵检测系统，该系统利用人工智能技术来识

  来源：Computers and Electrical Engineering

  时间：2026-08-10

• 多尺度形状可控沙粒生成方法：傅里叶合成与遗传算法优化相结合

  摘要：沙粒的多尺度形态特征是决定其宏观力学行为的关键因素。本文提出了一种基于程序几何的颗粒生成模型，可独立控制多尺度形状参数，即伸长指数EI、角形指数AI和粗糙度指数RO。该方法首先通过分形参数控制的傅里叶谱合成结合针对性后处理，生成具有自然多尺度纹理的初始颗粒表面，再利用基于高

  来源：Computers and Geotechnics

  时间：2026-08-10

• 基于少量听众的直接对比测试，用于有效评估文本转语音技术

  摘要本文对比了多种用于评估文本转语音系统的主观测试方法。我们将基于五分制绝对评分的MOS测试结果与两种直接比较测试——AB测试和最佳最差评分法（BWS）测试的结果进行了比较。在AB测试中，参与者需从两个选项中选择他们更喜欢的音频；而在BWS测试中，他们则需要从多个音频中选出最佳和

  来源：Computer Speech & Language

  时间：2026-08-10

• 用于无服务器自动扩缩容的动态CPU阈值自适应机制：一种受TCP慢启动算法启发的方法

  摘要：无服务器计算通过根据当前工作负载动态分配资源，实现了可扩展且经济高效的计算方式。然而，传统的自动扩缩容技术往往依赖静态的CPU使用率阈值，这可能导致性能不佳，进而出现资源过度配置、配置不足或延迟增加的问题。另一方面，工作负载的快速变化使得固定的CPU阈值难以调整，从而导致不

  来源：Computer Networks

  时间：2026-08-10

• 用于麦克斯韦特征值问题的无假频混合骨架有限元方法

  摘要：本文提出了一种用于麦克斯韦特征值问题的混合骨架有限元方法。通过引入拉格朗日乘数，我们将问题转化为等价的混合形式，从而消除虚假的零特征值。我们证明了解算子的均匀收敛性，确保离散特征值中不存在虚假解。同时，我们还建立了特征函数和特征值的误差估计。此外，基于特征值误差展开，该方法

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-08-10

• 椭圆型界面问题弱Galerkin混合有限元方法中的曲线元素

  摘要：本文提出了一种基于曲线多边形划分的弱Galerkin混合有限元方法，用于求解具有曲线界面的椭圆型界面问题。为克服直线边缘近似带来的几何误差，引入了局部展直映射，从而在曲线边缘上构建基于边的有限元空间。该方法采用离散弱散度算子，并在混合公式中弱形式地处理界面跳变条件。分别在能

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-08-10

• 面向大数据工作流的可扩展、具备QoS意识的云服务组合：一种基于模型驱动的MJAYA优化方法

  摘要：针对大数据工作流中的云服务组合问题，需要在多种服务质量约束下为抽象任务选择具体的服务，这就构成了一个大规模的NP难优化问题。现有的许多云服务组合解决方案依赖于元启发式算法，而这些算法需要仔细调整超参数，从而降低了其稳健性和实际部署能力。本研究提出了MJAYA，这是一种模型驱

  来源：Big Data Research

  时间：2026-08-10

• 基于Clara算法的电子商务流量大数据分类挖掘方法

  摘要为实现对电子商务流量大数据的精准高效分类，本文采用基于Clara算法的方法。该方法通过分析电子商务流量大数据中与交易流程相关的各类要素来开展工作。数据聚类的有效性会显著影响对电子商务流量大数据进行分类和挖掘时的精确度以及处理时间。文中运用小波阈值函数对电子商务流量大数据进行去

  来源：Big Data Research

  时间：2026-08-10

• 利用正则方法对抽象的Korovkin型算子及修正算子进行非线性统计近似

  摘要：本文提出了一系列对抽象Korovkin型逼近定理的扩展，通过利用统计收敛性将非线性因素纳入其中。在近期非线性版本的基础上，我们为作用在各种函数空间上的单调和次线性算子序列推导出了统计Korovkin型定理。此外，本文还通过正则矩阵方法引入了修正的多变量Bernstein C

  来源：Bulletin des Sciences Mathématiques

  时间：2026-08-10

• 基于自适应分解与门控注意力网络的时间序列预测分段预测方法

  摘要基于RNN和Transformer的方法在处理长期依赖关系和计算效率方面存在各自挑战。复杂的 数据结构、循环单元中固有的信息衰减、注意力机制的高计算复杂度，以及逐点迭代导致的误差累积，都是这些方法在时间序列预测中表现受限的原因。为解决这些问题，本文提出了一种混合预测架构，即S

  来源：Big Data Research

  时间：2026-08-10

知名企业招聘：