摘要：
按照算法的类型对个人的 Paper Reading 博客进行汇总，涉及多个研究方向的论文将按照个人主观感觉的主要方向排列。 目录不平衡学习并行与分布式多标签学习回归决策树集成学习进化计算计算机视觉神经决策模型神经网络生物信息特征工程 不平衡学习 A Novel Model for Imbalance 阅读全文
摘要：
目录操作系统进程管理同步与死锁存储器管理文件系统磁盘管理I/O 设备管理分布式系统参考资料 这些博客都是根据《计算机操作系统(第四版)》、《操作系统导论》、《分布式系统概念与设计》等书籍整理的，因为这些书超级厚，不爱带来带去。如果在其他地方有看到相关的感兴趣的内容，也会整理到这里来。 操作系统 操作 阅读全文
摘要：
#基础知识 CTF-WEB：PHP 弱类型 CTF-WEB：PHP 变量 CTF-WEB：PHP 伪协议 CTF-WEB：PHP 反序列化 CTF-WEB：字符串和正则匹配 CTF-WEB：后台扫描与备份泄露 CTF-WEB：BurpSuite 工具应用 CTF-WEB：文件上传和 webshell 阅读全文
摘要：
#基础理论 计算机网络这门课涵盖了 TCP/IP 协议栈的所有层，但是网络规划主要侧重于链路层(交换机)和网络层(路由器)。因此想要快速上手网络技术的学习，可以先从这些基本的理论入门。 网络技术：网络互联设备 网络技术：以太网 网络技术：网络互联模型 网络技术：IP 编址 网络技术：子网划分 #基础 阅读全文
摘要：
#数据库原理 数据库原理：数据库系统概述 数据库原理：数据模型和关系数据库 数据库原理：求最小依赖集和候选键 数据库原理：关系规范化 数据库原理：数据库设计 数据库原理：数据库恢复和并发控制 #SqlServer SQL Server 是由 Microsoft 开发和推广的关系数据库管理系统（DBM 阅读全文
摘要：
#DVWA 靶场 DVWA 靶场的网页应用程序很脆弱，它的主要目标是帮助安全专业人员在实际环境中测试他们的技能和工具，帮助 web 开发人员更好地理解保护 web 应用程序的过程，并帮助教师/学生在教室环境中教授/学习 web 应用程序安全。 Brute Force (爆破) Command Inj 阅读全文
摘要：
#预备知识 数据结构个人学习推荐 C++面向过程编程 C++ STL 库快速上手 #线性表 顺序表结构详解 链表结构和例题详解 SkipList (跳跃表)解析及其实现 静态链表及 PTA 重组链表 #栈和队列 栈结构解析及其应用 队列结构解析及其应用 栈和队列应用：迷宫问题 PTA习题解析——银行 阅读全文
摘要：
[TOC] #学习经验分享 [计算机网络个人学习经验](https://www.cnblogs.com/linfangnan/p/17017625.html) #概述 [计算机网络：互联网概述](https://www.cnblogs.com/linfangnan/p/15056612.html) 阅读全文
摘要：
目录远程调用请求-应答协议基于 UDP 数据报的实现通信原语协议消息结构请求-应答协议的故障模型重复丢弃请求消息丢失应答消息历史交互协议的类型基于 TCP 流的实现远程过程调用 RPC接口编程RPC 调用语义透明性RPC 的实现远程方法调用 RMIRMI 的设计对象模型分布式对象RMI 实现RMI 阅读全文
摘要：
目录间接通信组通信编程模型组通信实现可靠性和排序组成员管理发布-订阅系统编程模型系统实现消息队列编程模型系统实现共享内存分布式共享内存元组空间编程模型系统实现参考资料 间接通信 进程间通信和远程调用都是基于发送者和接收者之间的直接耦合，这导致系统在处理改变时显得有些死板。例如在一个简单的客户-服务器 阅读全文
摘要：
为了解决现有分布式深度森林存在的问题，本文提出了一种新的计算效率高、鲁棒性强的分布式深度森林算法 CERT-DF。CERT-DF 基于本文新提出的 SAB 机制构建的，该机制集成了三种方案：块级预采样、两阶段预聚合和系统级备份。块级预采样将数据集划分为多个不相连的数据块，其中利用随机样本分区机制，确保每个块的统计特征和数据分布与原始整个数据集相似，以减少分布式数据集偏差对模型精度的负面影响。两阶段预聚合方案引入缓冲机制，将每个子森林生成的向量临时存储，然后对分布式子森林进行分层向量聚合，以减轻参数服务器的网络带宽占用，加快聚合过程。系统级备份旨在以很小的内存和磁盘开销备份关键特征空间，防止训练任务失败，增强分布式深度森林的鲁棒性。CERT-DF 框架在 Ray 平台上进行实现，并基于七个知名的基准数据集进行了广泛的实验，评估结果表明 CERT-DF 在计算效率、模型精度、系统资源开销和系统鲁棒性方面优于最先进的方法。 阅读全文
摘要：
为应对不平衡回归任务与度量的形式化问题，本文旨在提供一套新颖的模型评估与优化的基准。本文提出了一种自动和非参数方法，用于推断偏向极端值的非均匀域偏好，解决早期工作中潜在正态分布的假设。接着设计了新的评估指标 SERA(平方误差相关区域)，它允许优化和评估模型预测极值的能力，同时对严重的模型偏差具有鲁棒性。通过实验表明评估指标 SERA 为选择和优化程序提供了合适的基准、预测模型性能的分析、影响和预测权衡。 阅读全文
摘要：
目录进程间通信概述互联网协议 API进程间通信的特征套接字UDP 数据报通信TCP 流通信外部数据表示和编码外部数据表示常用的表示和编码方法远程对象引用组播通信网络虚拟化和覆盖网络参考资料 进程间通信概述 进程间通信(interprocess communication)主要讨论了分布式系统进程之间 阅读全文
摘要：
目录分布式系统分布式系统的趋势泛在网络和互联网移动和无处不在计算分布式多媒体系统作为公共基础设施资源共享分布式系统的挑战异构性开放性安全性可伸缩性故障处理并发性透明性服务质量参考资料 分布式系统 分布式系统的定义是一个其硬件或软件组件分布在连网的计算机上，组件之间通过传递消息进行通信和动作协调的系统 阅读全文
摘要：
目录系统模型概述物理模型体系结构模型体系的元素通信实体通信范型角色和责任放置体系结构模式相关的中间件解决方案基础模型交互模型故障模型安全模型参考资料 系统模型概述 在实际情况下，分布式系统存在各种困难和潜在的威胁，例如： 困难和威胁 说明 使用模式的多样性 系统的组件会承受各种工作负载，有些部分可能 阅读全文
摘要：
本文结合 Boosting 和 Bagging 的思想，提出了一种新的分类和回归算法 BoostForest。首先提出了一种新的决策树模型 BoostTree，它先在每个节点上训练一个回归模型进行回归或分类，对于给定的输入 BoostTree 将其分类到一个叶节点，然后通过将所有节点模型沿着从根到该叶节点的路径的输出相加来计算最终的预测。接着提出了一种称为随机参数池采样的参数设置策略，BoostTree 的参数从参数池中随机采样，使 BoostTree 比传统方法更容易调整其超参数。然后提出了一种新的集成学习方法 BoostForest，它使用 bootstrap 获得原始训练集的多个副本，然后在每个副本上训练一个 BoostTree。本文在 35 个分类和回归数据集上进行了实验，结果表明 BoostForest 总体上优于多种经典的集成学习方法。 阅读全文
摘要：
针对回归任务中分布不平衡的问题，本文提出了几种新的预处理解决方案，包括随机过采样、引入高斯噪声、基于加权相关度的组合策略 WERCS。通过实验表明使用所提出的策略，特别是 WERCS 方法能提高学习器在不平衡回归问题上的性能。 阅读全文
摘要：
本文提出了一种名为 DenseWeight 的不平衡回归数据集的样本加权方法，并在此基础上提出了一种名为 DenseLoss 的不平衡回归的成本敏感学习神经网络。DenseLoss 使用 KDE 近似训练目标值的密度函数，将所得密度函数构成计算 DenseWeight 权重函数的基础，接着 DenseLoss 根据 DenseWeight 为训练集中的每个数据点分配一个权重，增加稀有数据点对损失和梯度的影响。本文引入了一个单一的、易于解释的超参数，允许将模型的焦点转移到目标变量分布的稀有区域。使用合成数据分析了 DenseLoss 对常见和稀有数据点性能的影响，并将 DenseLoss 与不平衡回归方法 SMOGN 进行了比较，发现本文的方法通常提供更好的性能。结合将 DenseLoss 应用于严重不平衡的降尺度降水的现实世界问题，表明它能够在实践中显着提高模型性能。 阅读全文