简介:摘要:恶意软件是一种被设计用来对目标计算机造成破坏或者占用目标计算机资源的软件,传统的恶意软件包括蠕虫、木马等。这些恶意软件严重侵犯用户合法权益,甚至将为用户及他人带来巨大的经济或其他形式的利益损失。传统的恶意软件检测方法主要有特征码检测、行为检测等,此类方法对于已知的恶意程序有较高的准确率,但是对于未知的恶意程序表现较差,采用机器学习以及数据挖掘技术可以有效地提高对于恶意软件检测的准确率。本文各种文件分析,用词袋模型提取API序列作为特征,以随机森林作为模型进行学习,从而对程序进行检测,最终获得了较好的检测结果。
简介:随着国内金融市场的不断发展与完善,程序化交易变得越来越受关注。目前国内大多数程序化交易者并没有建立起一个完备的检测与优化体系,采取的测试方式大多为简单的历史数据回溯测试,这容易导致对历史数据曲线的过度拟合。论文构造出一个较完整的程序化交易系统的检测与优化体系,依次分为六个步骤:设计交易策略,交易策略程式化,验证性检测,交易系统最优化,推进的样本外测试,实战交易。通过此体系可以分析交易模型的风险与收益水平及策略的稳定性,并得出健全的交易策略需具备的特点:获利相对均匀分布、具有相对稳定的盈亏次数比率、具有连续且平滑的最优化参数集、适应不同类型的市场且风险可控。
简介:摘要:检验检测实验室是开展检验检测工作的重要机构,主要目的是给社会提供相关的检验数据,并以证书报告的方式呈现在大众面前。对于检验检测实验室而言,检测数据是否准确,在一定程度上决定了该实验室的检验检测水平。通常来讲,在实验室出具证书报告的过程中,必须要做好对实验室标准方法的验证,了解实验室检测方法是否符合需求,从而确保实验室检测质量可靠。标准方法的验证是检验检测实验室质量管理中必不可少的环节,为了进一步提高实验室检测水平,确保数据的准确性,如何有效地进行标准方法的验证工作是亟待解决的问题。鉴于此,本文对检验检测实验室标准方法验证工作程序进行全面分析。