为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

1. 网络环境下信息系统建设的过程； 2. 网络环境下信息系统建设的原则； 3. 网络环境下信息系统建设的硬件环境； 4. 网络环境下信息系统建设的软件环境； 5. 网络环境下信息系统建设的体系结构； 6. 网络环境下信息与信息系统安全建设

利用与Tent Map拓扑共轭的两类混沌系统,以及产生独立均匀分布密钥流的方法,设计了一种通用的流加密方案.此方案类似数字信封,但传递过程中不传输具体加密使用的密钥流,只传输随机产生的Tent Map初值以及两个系统的参数值作为系统密钥,产生两列独立同分布的密钥流对原始图像进行两次密文反馈异或加密.该方案达到初始值掩盖的目的,增加了截获者破译的难度.图像加密的实验结果显示该方案安全且有效

海洋环境对于金属的腐蚀具有明显的加速作用，尤其在高铁海底隧道环境中，金属比正常的服役时间变短，这种腐蚀情况下会影响高铁的安全和准点运行。基于以上背景，通过夹杂物自动扫描、钢的加速腐蚀及电化学测试对钢中的夹杂物诱发腐蚀行为进行系统分析，重点分析了高铁轨旁信号设备连接金属件（Q235）中夹杂物在盐雾环境下的腐蚀行为。结果表明：钢中主要夹杂物为氧化物、硫化物或者其复合夹杂，而这两类夹杂物对于诱发钢基体点蚀的原因不同。其中数量最多、尺寸小于5 μm类型的夹杂物为硫化物夹杂和氧硫复合类型夹杂物；数量少、尺寸大于5 μm的夹杂物为氧化物夹杂。在服役过程中，钢中硫化物夹杂易溶解脱落形成点蚀坑，而氧化物夹杂周围基体会先溶解引起夹杂物脱落形成点蚀坑，复合类夹杂物也是诱发钢发生腐蚀的因素，不同复合类型的夹杂物腐蚀方式不同，硫化物夹杂和氧硫复合夹杂对碳钢影响较大。电化学测试表明自腐蚀电位约为为?0.1 V，Q235钢本身抗腐蚀能力不强。夹杂物在腐蚀过程中参与了腐蚀，引起阳极极化曲线的波动，加快了Q235钢的腐蚀情况。研究结果对于认识和改善钢的耐腐蚀性能有指导意义