干部学习已通过互联网实现信息化与数字化,但部分干部采取作弊手段来完成学习要求。为提高干部学习质量与效益,针对利用插件等工具进行作弊学习的现象,根据防作弊规则,提出一种干部在线作弊学习的检测策略。通过分析学习数据发现作弊行为,并对作弊行为进行预测。应用结果表明,该策略能够有效提升在线学习质量,对学习效果做到准确评价,有利于促进干部在线教育的健康发展。
自组织链表可以依据访问序列动态调整链表结构,提高链表性能。在分析并研究现有自组织链表算法的基础上,结合Transpose规则,提出无锁自组织链表算法。线程可标记被访问的结点并尝试与标记结点前驱相交换,也可直接物理删除已被标记的结点,同时其他线程发现该标记结点时会辅助该线程完成相应操作,从而保证链表的非阻塞特性。实验结果表明,该算法性能与Harris-Michael链表算法相当,并且其无锁实现方式比粗粒度锁算法更具优势。
数据分块有助于降低大规模数据中实体分辨的计算复杂度,但现有算法存在效能和效率难以平衡的问题。为此,在标签传播的基础上设计数据分块算法,以实现两者的平衡。根据记录间相同词项的数量估计记录相似度,通过标签传播算法发现潜在相似重复记录,降低时间复杂度。在通用测试数据中的实验结果表明,该算法能有效提高F-Measure值,减少运行时间,实现大规模数据中的数据分块。
针对正交频分复用(OFDM)系统对载波频偏敏感的问题,提出一种载波频偏与信道的联合估计算法。通过相邻2个OFDM符号间的相位差进行频偏估计,使用迭代算法提高估计精度。利用数据相关叠加训练序列在频域的特性,对2个连续的OFDM符号进行信道估计,并且采用基扩展模型拟合信道提高估计性能。仿真结果表明,该算法可在不增加系统复杂度及带宽的情况下实现载波频偏及信道的稳健估计。
基于传统公钥密码体制的条件代理重加密已较为成熟,但在细粒度的层次上基于身份的代理重加密方案难以控制代理人权限。为此,提出一种基于身份的条件代理重加密方案。通过在随机预言模型下将方案的安全性规约到DBDH问题,以证明在自适应攻陷模型下的选择密文安全性。分析结果表明,与传统加密方案相比,该方案实用性强,效率高,安全性较好。
为解决图的Smarandachely邻点可区别边染色问题,提出一种基于多目标优化的染色算法。针对每个子问题分别设置子目标函数向量和决策空间,在颜色迭代、顺序交换和强制交换中,子目标逐渐得到最优解,最终使总目标函数符合图的Smarandachely邻点可区别边染色要求。实验结果表明,在1 000个顶点内该算法能够正确地得到随机图的Smarandachely邻点可区别边色数。