-
VFRDAD:一种基于多尺度局部信息与增强全局信息融合的物联网加密流量识别方法
摘要加密技术的广泛采用和物联网(IoT)设备的快速扩展使加密流量分类成为网络安全和流量管理的重要方面。当前将加密流量转换为灰度图像进行分类的方法可以在不解密的情况下提取流量中的隐藏模式和特征。然而,这些方法面临两个主要挑战:首先,它们难以准确捕获流量图像中的细微局部特征;其次
来源:Computer Networks
时间:2026-10-01
-
守恒Allen-Cahn方程的保持最大值原理的显式方法
## 摘要
我们分析了守恒Allen-Cahn方程的一种全显式有限差分方法,该方程包含时空依赖的拉格朗日乘子。该方法在空间上采用中心有限差分格式,在时间上采用显式欧拉方法。它在齐次诺伊曼边界条件或周期性边界条件下保持总质量守恒。我们推导出了使数值解在一维、二维和三维中保持在
来源:Computer Physics Communications
时间:2026-10-01
-
pH 触发的表面结构重构:一种通过酸化水玻璃实现选择性抑制的新型通用浮选分离方法
•酸化使硅酸钠解聚成中性 Si(OH)4 单体。•在酸性条件下,Si(OH)4 非选择性地沉积在两种矿物上。•碱性 pH 将 Si(OH)4 转化为 SiO(OH)3,触发不同的表面重构。•SiO(OH)3 被 F终止的萤石表面排斥,但锚定在富 Ca2+ 的方解石上。•在精选
来源:Colloids and Surfaces A: Physicochemical and Engineering Aspects
时间:2026-10-01
-
一种针对带无穷时滞的广义实质 Hilfer 型随机系统的加权历史状态方法:纠正经典范数估计的不一致性
**摘要**
本文介绍了一种广义Hilfer分数阶导数,并研究了由该算子驱动的阶数 α ∈ (1, 2) 的无穷时滞随机演化方程(IDSEEs)。严格推导了温和解的显式表示。重要的是,我们揭示了一个在现有文献中在很大程度上被忽视的关键局限:经典范数估计本质上仅适用于连续状态
来源:Communications in Nonlinear Science and Numerical Simulation
时间:2026-10-01
-
弥合开放数据生态系统中的供需鸿沟:一种面向提供方协作优化与用户需求预测的双重视角方法
本文提出了一套用于可解释地推断用户需求的研究框架。
本文提出了一种识别跨部门合作潜力的方法。
本文介绍了概念网络构建的方法。
本文为公共数据管理的优化提供了启示。
引言
在数字经济时代,数据已成为驱动经济和产业人工智能发展的核心要素[1]。此前,全球公共数据开放计划主要侧重于
来源:Advanced Engineering Informatics
时间:2026-10-01
-
中国央行抵押品扩容政策的碳减排效果——基于技术创新视角
## 摘要
本文采用技术创新视角,结合动态随机一般均衡(DSGE)理论模型与双重差分(DID)实证方法,系统考察中国人民银行抵押品扩容政策对企业碳减排的影响及其内在机制。首先,构建包含绿色部门和棕色部门的双部门DSGE模型,通过模拟抵押品扩容政策和绿色技术冲击的影响,揭示中
来源:Economic Analysis and Policy
时间:2026-10-01
-
未知负载条件下车载混合储能系统的电压恢复与功率分配:一种固定时间复合跟踪控制方法
•提出了一种固定时间扰动观测器(FTDO),用于估计集总扰动并提高系统的扰动抑制能力。•开发了一种固定时间负载观测器(FTLO),用于估计未知的负载信息。•所提出的固定时间反步滑模控制器(FTBSMC)采用快速终端滑模面,将跟踪误差与虚拟控制误差耦合在一起。其递归反步设计能够
-
中程和末端物流中无人机应用的解释结构建模:社会技术系统视角
无人飞行器(UAV)的采用是一个受多种影响因素(IFs)影响的复杂系统。技术成熟度和环境影响是最突出的影响因素。基础设施需求代表了无人飞行器采用的一个关键影响因素。公众接受度显著地影响了其他影响因素。阻碍无人飞行器整合的模糊法规将在五年内得到简化。社会要素(如利益相关者参与和
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE
时间:2026-10-01
-
越多越好?大数据政策的非线性创新效应
大数据政策强度对企业创新绩效具有非线性影响。资源积累效应和效率效应驱动了创新曲线。组织冗余资源发挥着异质的调节作用。市场化增强了已吸收冗余资源的调节作用。
引言
随着大数据在数字经济时代成为新的竞争优势的关键来源,世界各国政府积极制定和实施大数据政策,以加速数据驱动的创新
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE
时间:2026-10-01
-
FedVRU:一种具有不确定性感知精化的变分表示分解方法
摘要联邦学习(FL)能够实现保护隐私的协作训练。然而,客户端之间的数据异质性会降低单个全局模型的性能。现有的个性化联邦学习(PFL)方法通过针对客户端的建模部分缓解了这个问题。然而,大多数方法依赖于确定性点估计,忽略了个性化特征中的隐含不确定性,使得联合表示空间容易受到局部噪声的
来源:Expert Systems with Applications
时间:2026-10-01