熊祖涛
- 作品数：15 被引量：49H指数：4
- 供职机构：安庆职业技术学院更多>>
- 发文基金：安徽省高等学校质量工程教学研究项目安徽省高校教学质量与教学改革工程项目安徽省高等学校省级质量工程项目更多>>
- 相关领域：自动化与计算机技术文化科学电气工程电子电信更多>>
- “互联网+教育”视域下高职课堂教学模式创新途径探析被引量：17
- 2016年
- 文章针对高职传统课堂教学模式存在的弊端,从"互联网+教育"的视角分析了如何利用"互联网+"的工具、手段、思维和方法,运用建构主义学习理论实现课堂教学模式的创新,阐述了"互联网+教育"的概念,讨论了建构主义学习理论的基本思想,从教学目标的优化、教学过程的重构和教学评价方式的设计3个方面探究了创新教学模式的具体做法,为互联网和现代信息技术背景下高职课堂教学模式创新提供了一种高效的解决途径。
- 熊祖涛卢晨怡
- 关键词：高职课堂教学教学模式创新建构主义
- 针对微博数据的信息抽取与舆情分析被引量：5
- 2013年
- 由于微博简单迅捷、互动性强的特点,使其成为信息沟通的桥梁和纽带,成为突发事件的重要信息源头,也成为虚假信息滋生的温床。因此,加强微博舆情监测、分析、预警具有十分重要的意义。本文阐述了基于Web文本信息抽取方法,以及基于文本抽取的舆情分析技术,为用户掌握舆情动向、趋势强弱变化,进行热点、敏感信息预警与决策提供支持。
- 熊祖涛
- 关键词：信息抽取文本聚类舆情分析
- 基于稀疏特征的中文微博短文本聚类方法研究被引量：4
- 2014年
- 微博文本聚类是依据微博主题不同将描述同一类主题的微博文本汇聚到一起的过程。由于微博文本非常短,在使用常规的机器学习方法对微博短文本进行聚类时,常会出现严重的数据稀疏问题,继而对聚类性能产生影响。分析了中文微博文本的数据稀疏特征,并基于这一特征分析比较了几种中文微博文本表示及聚类方法,为中文微博文本聚类分析的难点问题提供了一定的解决途径。
- 熊祖涛
- 关键词：聚类LDA文本表示
- 一种计算机数据采集分析装置
- 本发明公开了一种计算机数据采集分析装置，包括数据存储和管理模块：用于将清洗后的数据存储到数据库或其他数据存储系统中，并建立适当的数据管理系统；数据分析和挖掘模块：对采集到的数据进行分析和挖掘，以发现数据中的模式、趋势和关...
- 陈富汉疏国会邹莉萍陈晓慧陈小祥熊祖涛陶健林陈秀云杜青李立
- 无线自组织网络自举安全与D-H方案改进
- 2023年
- 无线自组织网络在实际应用中会面临诸多挑战。密钥管理方案是保证无线自组织网络自举安全的关键手段。D-H方案作为传统密钥管理方案之一,在实现其基本功能的同时,存在着容易受到中间人攻击、可扩展性差和不适于保护路由信息等缺陷。文章在分析D-H方案已有缺陷和自组织网络密钥管理方案的理想特性的基础上,提出D-H方案改进建议,包括引入口令认证、构建超立方体和身份签名等。
- 金鑫熊祖涛疏国会
- 关键词：无线自组织网络密钥管理方案
- 基于Web文本信息抽取的微博舆情分析
- 据中国互联网络信息中心(CNNIC)发布的统计数据,截止到2012年12月,中国微博用户总量已达3.09亿。微博所具有的裂变式传播模式、多元化传播终端、低门槛、高互动性等诸多优势,使其成为网络舆论的重要发源地。来自中国传...
- 熊祖涛
- 关键词：WEB技术信息抽取舆情分析聚类方法
- 文献传递
- 一种网络信息安全态势分析方法及装置
- 本发明公开了一种网络信息安全态势分析方法及装置，包括箱体、箱门和吸尘器，箱体左侧通过合页铰接有箱门，箱体内腔左侧底部固定有第一电机；本发明通过箱门锁将箱门和箱体锁紧，同时橡胶环和凸棱环的设置防止灰尘；通过窗口和窗门上的透...
- 熊祖涛
- 基于MOOC的软件工程课程混合教学模式设计与实施被引量：12
- 2016年
- 针对软件工程课程传统教学模式存在的不足,提出了一种基于MOOC的混合教学模式.该模式通过对教学流程进行重构,将教学过程划分为MOOC学习与课堂教学2个阶段,优化设计了教师备课、MOOC学习、课堂教学和反思提高等环节,并完善了教学效果评价体系.形成了MOOC学习与传统课堂教学优势互补,学生自主协作和师生交流反馈相互融合的优质教育闭环.实践表明,该模式可以有效激发学生学习的积极性与自主性,增强教学吸引力和教学效果.
- 熊祖涛
- 关键词：软件工程混合教学模式
- 基于Adaboost的Android恶意软件检测方法
- 2016年
- 庞大的用户群使得Android系统成为各种恶意攻击的主要目标之一,将数据挖掘方法应用于Android恶意软件检测正在成为防范恶意攻击的一种有效手段。针对现有研究在在检测精确度和召回率等方面存在的不足,提出一种基于Adaboost算法的Android恶意软件检测方法。该方法采用静态分析和动态调试相结合的手段提取软件的一组身份和行为特征,经规范化和降维处理后作为训练样本。选择SVM作为基分类器,利用训练样本集和Adaboost算法对基分类器进行迭代训练,依据组合优化理论最终得到一个强分类器,利用该分类器对待测软件进行检测,从而建立起一个恶意软件检测模型。利用Python语言实现基于上述模型的检测工具Ada Detect达到了对恶意软件的智能识别。实验结果表明,该方法在检测精确度和召回率等方面均达到了良好的检测性能。
- 熊祖涛
- 关键词：ADABOOSTANDROIDSVM恶意代码检测
- 基于增量学习SVM的Android恶意应用检测方法
- 2016年
- 针对传统Android恶意应用检测方法在处理大规模样本时存在的训练时间长、存储空间消耗大的问题,提出一种基于增量学习SVM的Android恶意应用检测方法.该方法提取Android应用的权限申请和API函数调用特征,利用增量学习SVM理论将训练样本集随机划分为初始样本集和若干个增量样本集,利用循环迭代方法训练SVM分类器,每次新的训练仅保留上一轮训练得到的支持向量集并合并到新增样本集中,舍弃大量对分类结果不产生影响的样本以提高分类器学习效率,同时产生新的支持向量集,并最终得到一个高精度的SVM分类器.通过将增量学习SVM算法与常规SVM算法进行对比实验,结果表明,该算法可以有效降低分类器学习时间,减少样本存储的空间占用,同时随着样本规模的积累逐步提高分类精度.
- 熊祖涛王忠文
- 关键词：SVMANDROID
