基于增强型概率神经网络的安全态势要素获取

态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于同类算法，有较好的泛化能力。     

航天供应链质量与可靠性数据包管理及其信息系统设计与实现

<正>供应链产品在航天型号研制生产中占有重要的地位，航天系统抓总型号以及协作配套型号任务的供应链企业有成千上万家，其中任何一家供应链的产品出现质量问题，都有可能影响航天任务的成功完成。如何有效提高航天供应链产品的质量和可靠性，一直是航天质量管理关注的重点和难点。新型冠状病毒疫情给供应链质量管理带来新的挑战，各地区疫情防控政策导致传统的供应链过程监产、产品下厂验收等质量控制手段出现不同程度的延迟，甚至取消，供应链质量管控的风险逐渐增加。如何适应新的外界形势变化，既保证航天供应链产品质量，又将疫情对供应链产品质量管控的影响降到最低，成为新的研究课题。