基于PCA—BP的高等教育过度预警模型及其应用研究

基于 PCA －BP 的绩效综合评价研究任秋阳;朱健;卢秉亮【期刊名称】《微处理机》【年(卷),期】2015(000)003【摘要】Evaluation system,used for different evaluation objects,based on different evaluation methods,has been widely used with the perfection of multiple -parameters comprehensive evaluation method.Through training,BP neural network gets the rated value objects to effectively solve the problem of comprehensive evaluation of nonlinear.This paper performs analysis to reduce the dimension of the variables using principal components and the complexity of the neural network model.It puts forward a model of staff performance evaluation based on PCA -BP neural network,greatly accelerates the speed and improves the objectivity of evaluation result.This method can better approximate the results evaluate by the expert to reduce the complexity of neural network model and improve the efficiency of the neural network model.%随着多指标综合评价方法和计算机技术的高速发展，针对不同评价对象，基于不同评价方法的评价系统得到广泛应用。

基于PCA-BPNN的互联网公司信用风险预警模型赵囡;赵哲耘【摘要】In this paper, we take Internet finance company as the research object, combined with the characteristics of Internet finance companies to screen and build credit indicator system that based on the research at home and abroad for the enterprise credit evaluation indexs. The principal component analysis (PCA) method and the BP neural network (BPNN) are combined to establish the Internet financial company's credit risk early warning model and a case study is given to validate the methodology. The results show that the trained early warning model has high recognition accuracy and good classification performance for training samples and test samples, thus providing a scientific and feasible method for early warning of the credit risk of Internet finance companies%本文以互联网金融公司为研究对象,在对国内外企业信用评价指标研究的基础上,结合互联网金融公司自身的特点筛选并构建信用预警指标体系.运用主成分分析(PCA)方法和BP神经网络(BPNN)相结合建立互联网金融公司的信用风险预警模型并进行实证分析.研究结果表明,训练好的预警模型对于训练样本和检验样本均具有较高的识别精度和良好的分类性能,从而为互联网金融公司信用风险的预警提供了一种科学可行的思路和方法.【期刊名称】《上海经济》【年(卷),期】2018(000)003【总页数】11页(P97-107)【关键词】主成分分析;BP神经网络;互联网金融;信用风险预警【作者】赵囡;赵哲耘【作者单位】郑州大学商学院,河南郑州 450001;郑州大学商学院,河南郑州450001【正文语种】中文【中图分类】F207一、引言随着现代信息科技的高速发展，互联网技术开始逐步渗透到各个行业和领域，在给人们生活带来便利的同时，也给各行业带来了颠覆性的变革，催生了许多新生业态，其中互联网技术与金融业的结合尤为瞩目。

数学建模论文题目优选专业题目128个1. 基于偏最小二乘法的回归模型研究2. 城市道路网优化设计模型研究3. 基于多元时间序列的股票价格预测模型4. 基于PCA的图像压缩算法研究5. 基于神经网络的手写数字识别模型研究6. 基于逻辑回归的信用评分模型研究7. 基于多元回归的考试成绩预测模型8. 基于分层抽样的调查数据分析模型研究9. 基于粒子群算法的车辆路径规划模型10. 基于高斯混合模型的人脸识别模型研究11. 基于时间序列的气象预测模型研究12. 基于模糊数学的交通运输成本评价模型13. 基于Bayesian模型的风险管理模型研究14. 基于熵权法的供应链绩效评价模型研究15. 基于人工神经网络的物流配送路径规划模型16. 基于聚类分析的消费者购物行为模型研究17. 基于ARIMA模型的股票价格预测研究18. 基于线性规划的资源优化配置模型研究19. 基于灰色关联分析的品牌效应评价模型20. 基于神经网络的信用卡欺诈检测模型研究21. 基于分类决策树的客户流失预测模型22. 基于支持向量机的情感分类模型研究23. 基于聚类分析的企业竞争战略研究24. 基于随机森林算法的文本分类研究25. 基于多元回归的商品价格预测模型研究26. 基于模糊层次分析法的公共设施优化布局模型27. 基于BP神经网络的电网负荷预测模型研究28. 基于熵增资金流动模型的投资组合优化研究29. 基于支持向量机的时序自然语言处理模型研究30. 基于贝叶斯网络的风险评估模型研究31. 基于特征选择的糖尿病研究模型32. 基于ARMA-GARCH模型的黄金价格预测研究33. 基于随机森林算法的房价预测模型研究34. 基于半监督学习的数据建模方法研究35. 基于神经网络的新闻情感分析模型研究36. 基于多元回归的用户购买意愿预测研究37. 基于主成分分析法的医学数据挖掘模型研究38. 基于熵增二次规划的环保决策模型研究39. 基于支持向量机的产品缺陷分析模型研究40. 基于遗传算法的旅游路线规划模型研究41. 基于BP神经网络的房产估价模型研究42. 基于多元线性回归的企业税收影响因素研究43. 基于LDA主题模型的新闻推荐模型研究44. 基于半监督学习的文本分类方法研究45. 基于动态规划的优化管理模型研究46. 基于人工神经网络的汽车质量控制模型研究47. 基于SVM的留学生综合评价模型研究48. 基于熵权法的企业绩效评价模型研究49. 基于色彩分类的图像检索模型研究50. 基于PCA的公司财务分析模型研究51. 基于最小二乘法的时序预测模型研究52. 基于BP神经网络的信用风险评估模型研究53. 基于ARIMA模型的国际贸易数据预测研究54. 基于分层抽样的公共政策效果评价模型研究55. 基于遗传算法的网络优化模型研究56. 基于Logistic回归的客户流失模型研究57. 基于主成分回归的能源消费预测模型研究58. 基于熵增多目标规划的医院资源配置模型研究59. 基于LSTM的短期气温预测模型研究60. 基于支持向量机的销售预测模型研究61. 基于偏最小二乘法的时间序列分析模型研究62. 基于线性规划的物流成本控制模型研究63. 基于粒子群算法的生产排程问题研究64. 基于K-Means算法的用户购物行为分析模型研究65. 基于BP神经网络的就业市场预测模型研究66. 基于多元回归的房价分析模型研究67. 基于PCA-LDA算法的股票投资组合优化研究68. 基于熵增法的金融客户信用评估模型研究69. 基于ARIMA模型的出口贸易预测研究70. 基于主成分回归的汽车销售预测研究71. 基于支持向量机的客户信贷风险评估模型研究72. 基于自回归模型的煤矿生产数据分析模型研究73. 基于半监督学习的文本聚类算法研究74. 基于偏最小二乘法的多元时间序列预测模型研究75. 基于数据挖掘的酒店客户消费分析模型研究76. 基于BP神经网络的固定资产折旧预测模型研究77. 基于LSTM的外汇汇率预测模型研究78. 基于GARCH模型的期货价格波动预测研究79. 基于随机森林算法的个人信用评估模型研究80. 基于分层抽样的医院评价模型研究81. 基于主成分回归的员工绩效评价模型研究82. 基于特征选择的电商商品分类预测研究83. 基于组合多目标规划的供应链资源配置模型研究84. 基于支持向量机的农村扶贫模型研究85. 基于因子分析法的股票投资风险评估模型研究86. 基于熵权法的环境效益评价模型研究87. 基于ARMA-GJR模型的期权价格波动预测研究88. 基于线性规划的房地产项目开发决策模型研究89. 基于支持向量机的人体姿势识别模型研究90. 基于逻辑回归的疾病风险评估模型研究91. 基于随机森林算法的人群画像建模研究92. 基于特征选择的电商用户购买行为模型研究93. 基于主成分回归的债券价格预测研究94. 基于半监督学习的视频分类方法研究95. 基于GARCH模型的黄金价格波动预测研究96. 基于线性规划的物流配送网络优化模型研究97. 基于神经网络的推荐系统算法研究98. 基于多元回归的城市房价分析模型研究99. 基于决策树的产品质量评估模型研究100. 基于熵增的生态系统评价模型研究101. 基于ARMA-GARCH模型的汇率波动预测研究102. 基于偏最小二乘法的长期股票价格预测模型研究103. 基于支持向量机的广告点击率预测模型研究104. 基于最小二乘法的用户行为分析模型研究105. 基于主成分分析的国际贸易影响因素研究106. 基于熵权法的固体废物处置模型研究107. 基于BP神经网络的猪价预测模型研究108. 基于多元回归的医疗保险费用预测模型研究109. 基于半监督学习的语义分析方法研究110. 基于GARCH模型的股票市场风险度量研究111. 基于多元回归的房屋安全预测模型研究112. 基于主成分回归的银行收益预测模型研究113. 基于支持向量机的人脸识别模型研究114. 基于逻辑回归的考生录取预测模型研究115. 基于随机森林算法的股票涨跌预测模型研究116. 基于线性规划的生产物流系统优化研究117. 基于支持向量机的非线性预测模型研究118. 基于LSTM的股票走势预测模型研究119. 基于因子分析法的环保技术影响因素分析研究120. 基于聚类分析的电商平台用户行为分析研究121. 基于人工神经网络的物流配送路线优化模型研究122. 基于多元回归的房产投资模型分析研究123. 基于主成分回归的教育支出预测研究124. 基于熵增的商业银行绩效评价模型研究125. 基于遗传算法的能源资源优化配置模型研究126. 基于半监督学习的情感分类方法研究127. 基于GARCH模型的商品期货价格波动研究128. 基于支持向量机的房地产投资风险评估模型研究。

目录综合评估系统研究报告 (1)1研究总目标 (1)2研究成果 (1)3综合评估的数学模型 (1)3.1综合评估模型运行流程 (1)3.2基于统计数据的评估指标的分值转换模型 (3)3.2.1评估指标的分值转换方法 (3)3.2.2评估指标的分值转换方法的调整 (4)3.3指标权重的逆向考量 (6)4基于AHP-PCA-BP神经网络综合评估模型 (6)4.1基于层次分析（AHP）法的专家主观赋权法 (6)4.1.1构造判断矩阵 (7)4.1.2计算相对权重 (7)4.2专家评级指标量化处理和二级指标评分归一化处理 (8)4.3评估指标的主成分分析处理—构建评估系统的“综合”指标。

(10)4.3.1主成分分析（PCA） (10)4.3.2基于PCA的客观赋权法 (12)4.4综合评估的BP神经网络模型 (13)4.4.1BP神经网络 (13)4.4.2神经网络的训练 (15)4.5评估分数计算 (15)4.6评估结果分类 (16)4.7AHP-PCA-BP神经网络综合评估模型计算流程 (17)5基于AHP-PCA-BP神经网络评估模型的评估实例 (18)6小结 (22)综合评估系统研究报告1研究总目标旨在针对国防科技重点实验室的特点，构建适用于此特定对象的评估体系，以定性评估和定量评估相结合的手段，研究完整的适合于航天系统内科研院所，既有科学依据，评估结果又可为大众所接受的综合评估方法，并实现其评估系统开发。

2研究成果1．总结2010年度综合评估系统的运作情况，研究系统运行中的问题，构建了基于AHP-PCA-BP神经网络的综合评估模型。

2．发表论文《The Design and Development of National Key Laboratory Comprehensive Evaluation System Based On VC++》3．发表论文《一种基于PCA和BP神经网络的综合评估方法》3综合评估的数学模型3.1综合评估模型运行流程（1）按照指标体系的基本关系构成递阶层，指标体系的每层中各元素支配下一层中的相应元素，形成一个递阶层，同一层中各元素相互独立。

基于PCA的高校学生专业技术能力评价模型作者：毕瑶家刘国柱凌明华黄文来源：《电脑知识与技术》2019年第22期摘要：对高校学生成绩的评价是教育的重要内容，传统的高校学生评价方式大多采用综合素质测评的方式，此方法指标模糊，计算方法不科学，无法真正体现学生的真实情况。

根据国家工程认证的思想以及高校学生的现状，提出了新的学生专业技术能力评价指标体系以及基于主成分分析的高校学生专业技术能力评价模型，主成分分析法的优点是各主成分的权数为其贡献率，它反映了该主成分包含原始数据的信息量占全部信息量的比重，这样确定权数是客观的、合理的，它克服了某些评价方法中认为确定权数的缺陷。

该模型能够更加准确、全面地对学生的课程成绩进行评价，将该评价模型的结果与学生毕业后的情况进行对比，结果表明，该评价模型能够在一定程度上反映学生的专业技术能力。

关键词：高校学生;专业技术能力;教育评价;主成分分析法中图分类号：G642; ; ; 文献标识码：A文章编号：1009-3044（2019）22-0117-02开放科学（资源服务）标识码（OSID）：<E：＼知网文件＼电脑＼电脑22-24＼22＼4xs201922＼Image＼image1_2.jpeg>1 评价指标体系的建立本文以青岛科技大学软件工程专业毕业生为例，从科学评价的角度出发，采用问卷调查法、个别访谈法、集体访谈法等方法，结合专业认证专家的评审意见和现有文献进行指标的海，遴选出十二个与学生专业技术能力相关的指标点，如表1所示。

根据合理性、公平性和科学性的评价原则，最终在十二个一级指标点的基础上建立47个二级指标点。

二级指标的权重配置相对简洁明了，故本体系在二级指标权重配置中采用经验确定法。

即实践经验丰富的学者专家，根据他们长期的工作经验和主观认识，共同商议而确定二级指标各项权数，以工程知识为例，其指标体系的建立如表1所示：2 PCA评价模型的建立及改进本文采用主成分分析法来评价高校学生的专业技术能力。

2023-11-09CATALOGUE目录•引言•基于PCA的课堂教学质量评价模型构建•模型应用与实现•影响因素分析•提升课堂教学质量的对策建议•研究结论与展望•参考文献01引言研究背景与意义随着远程教育的快速发展，如何保证教学质量成为了一个迫切需要解决的问题。

传统的教学质量评价方法往往基于人工评价，不仅耗时而且容易出错。

利用PCA（主成分分析）方法可以有效地对教学质量进行评价，提高评价的效率和准确性。

010203研究目的与方法研究目的本研究旨在构建一个基于PCA的远程教育数学课堂教学质量评价模型，以提高教学质量评价的效率和准确性。

研究方法首先收集远程教育数学课堂教学过程中的各项指标数据，然后利用PCA对这些数据进行降维处理，提取出主要特征，最后根据这些特征建立教学质量评价模型。

02基于PCA的课堂教学质量评价模型构建PCA简介主成分分析（PCA）是一种常用的数据分析方法，用于降低数据的维度，同时保留数据中的主要特征。

PCA通过线性变换将原始数据转换为新的坐标系，使得新的坐标系中的主成分（即新的变量）之间相互正交，且按照对数据方差贡献的大小排序。

在教学质量评价中，PCA可以用于提取教学过程中的主要特征，并降低数据的维度，使得评价更加简单、客观、准确。

数据预处理数据清洗去除异常值、缺失值和重复值，确保数据的质量和可靠性。

数据标准化将不同来源的数据进行标准化处理，使得它们具有相同的单位和量级，以便于比较和分析。

数据转换将某些连续型变量转换为分类变量，或者将某些分类变量转换为连续型变量，以便于进行PCA分析。

模型评估数据采集收集与教学质量相关的数据，包括学生成绩、教师教学风格、教学内容、教学态度等方面。

PCA分析利用PCA对预处理后的数据进行降维处理，提取主要特征，并计算各主成分的贡献率。

模型构建根据PCA分析结果，选择前几个贡献率最大的主成分作为新的变量，构建教学质量评价模型。

明确教学质量评价的目的和意义，以及评价的具体指标和标准。

0引言2017年7月，国务院印发了《新一代人工智能发展规划》[1]，首次提出要利用智能技术实现教学方法的改革，构建新型的智能教育体系。

2018年10月，教育部发布的“教高40条”[2]中明确指出要大力推动人工智能(AI)等技术在教学与管理中的应用，打造适应学生需求的智慧课堂，推进现代信息技术与教育教学深度融合。

由此可见，人工智能技术方法将是实现智慧课堂和推动教育教学改革的核心技术方法。

目前，国内高校纷纷探索将大数据、人工智能等前沿技术应用于智慧课堂中。

例如：文献[3]探索构建教、学、考、评的闭环教学模式，线上与线下相互结合，为打造智慧课堂提供了合理的方法和完备的路径。

文献[4]针对学生课堂学习过程中学习效果的量化和教学过程数据化困难的问题，提出基于微信公众号的AI技术融合方案，如使用大数据挖掘技术来量化学习效果等方案，实现“AI+教育”的智慧课堂。

基于以上背景，借助于智慧课堂教学软件，使用多种人工智能技术对学生学习过程中的数据进行量化（如通过图像识别技术实现课堂考勤、抬头率检测和表情识别等）。

量化后的学情数据结合神经网络技术进行教育大数据的挖掘，从大量的教育数据中分析学生的学习效果，并给出成绩预测。

以预测结果为依据，采取不同的干预措施，这样不仅可以为教师设计DOI:10.16644/33-1094/tp.2021.03.016PSO-BP神经网络预测模型在智慧课堂中的应用研究*郭涛1，魏勇1，熊杰2(1.长江大学电子信息学院，湖北荆州434023；2.黄冈师范学院电子信息学院)摘要：大学生的学习成绩与其学习状态和习惯有正相关性。

教师工作手册中记录的考勤、答问与作业信息反映了学生的学习状态，智慧课堂中的随堂提问、课后作业、座位偏好等信息进一步反应出学生的行为习惯。

充分利用上述数据进行期末成绩预测并向学生反馈学业警示和鼓励信息，将对教学起到积极作用。

设计了PSO-BP神经网络预测模型来进行学生行为数据挖掘，筛选了具有代表性的数据作为神经网络的输入，选择课程成绩作为神经网络的输出，成绩预测误差为12%，为提高教学质量提供了新的思路。

基于大数据下的应用型高校预警机制研究张艳芳摘要：新媒体的崛起加快了应用型高校的信息传播，所以高校必须在新时期的引领下基于大数据技术的引领，建立一种监测大学生行为走向的模型，构建科学可行的高校网络预警机制，这样才能够实时地监测高校运行的动态，为服务全校师生提供科学依据。

基于此，本文以基于大数据下的应用型高校预警机制研究为题展开讨论。

关键词：大数据；应用型高校；预警机制1大数据背景下应用型高校预警机制研究概述关于应用型高校预警机制研究，目前相关工作人员、管理人员认为，高校内发生的一系列事件会对学生和师生带来影响，并且师生都会对校园内发生的一系列事件产生自我评价、自我观念、自我情绪。

由此，大部分研究者觉得，在新时代新背景下应该基于大数据的有效引领，建立起应用型高校预警机制，这样才能够使得信息获取更加便捷，使得预警机制真正地切合学生的关注点、师生的利益。

2大数据背景下应用型高校工作特征分析大数据背景下应用型高校预警机制建设的特征，第一是新媒体的崛起助推了高校管理工作的开放性，使得高校的学生能够有更多地平台去自由、便捷的发表，加快了生生之间的沟通与交流，从而也使得网络背景下的高校管理工作更加地便利和有效。

从客观上来讲，其推动了高校网络信息的快速发展和传播。

其次，大数据背景下的高校管理工作，使得高校的管理工作呈现多元化的特征，高校的内部管理事件可以通过学生的高度关注，进而被迅速校园化，同样也会因为社会民众的关注，而迅速社会化，成为全社会的关注焦点，进而影响高校的发展。

其三，大数据背景下的高校管理工作内容更加多元，大数据背景下互联网已经成为了广泛的交流平台，各类事件都能够快速的传播，尤其是正处于思维活跃，表现欲极强的大学生，他们会对高校内发生的一系列事情形成自己的意见和需求，所以使得信息可以快速的传播。

3基于大数据的应用型高校预警机制模型分析3.1高校网络监控机制监督机制有利于高校及时地掌握学校发生的具体内容和事情的发展态势和后果。

基于BP神经网络的高校网络舆情预警研究
陈宝国;黄雅冰
【期刊名称】《长春理工大学学报（社会科学版）》
【年(卷),期】2024(37)2
【摘要】在以舆情热度与舆情传播两个维度建立高校网络舆情预警指标体系的基础上,构建基于BP神经网络的高校网络舆情预警模型,运用该模型对2021年至2022年的16件典型高校网络舆情事件进行实证分析,确定高校网络舆情预警等级,并提出不同预警等级的高校网络舆情防范应对举措。

实时监测高校网络舆情信息,及时捕捉高校网络舆情信息中的不安全因素,建立高校网络舆情预警模型,在一定程度上能够控制、防范和化解网络舆情危机,对于科学管控高校舆情风险、提升高校有效防范和应对网络舆情危机能力、建设和谐高校具有重要的现实意义。

【总页数】6页(P87-92)
【作者】陈宝国;黄雅冰
【作者单位】福州大学科学技术与社会研究所
【正文语种】中文
【中图分类】G647
【相关文献】
1.基于BP神经网络的网络舆情预警监测研究
2.基于BP神经网络的网络舆情预警模型研究
3.基于BP神经网络的网络舆情预警研究
4.基于BP神经网络的网络舆情预警研究
5.基于BP神经网络的校园网络舆情危机预警研究
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于PCA-BP 神经网络的示例优选方法章宗标【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)019【摘要】This paper proposes the example preferred method based on Principal Component Analysis(PCA)and BP Neural Network(BPNN)to solve computational cost, long retrieval time and poor noise robustness by the amount of example data in audio sample retrieval study. The paper builds the segment level features by principal component analysis, eliminates redundant data, and reduces the input variables, then models and predicts reserved ingredients by the BPNN. It tests the experimental data by the PCA-BPNN model confirmatory. Finally, experimental results show that the method can select optimization example from an audio accurately and efficiently.%在音频示例检索的研究中，针对示例数据量大而导致计算代价大、检索时间长和噪声鲁棒性差等问题，提出了一种基于主成分分析（PCA）和BP神经网络（BPNN）的示例优选方法。

以信号鲁棒性评分为依据构建数据集合，使用主成分分析得到段级特征，消除数据冗余，减少输入变量，最后利用BPNN对保留成分进行建模预测。

基于BP神经网络的高校学生成绩预警方法的研究作者：***来源：《电脑知识与技术》2021年第21期摘要：大学生的学习成绩与其学习行为具有相关性，通过学生的学习行为预测学生未来成绩，对提高教学质量有重大意义。

“互联网+教育”教育模式的推广，更多教师借助在线教学平台辅助教学。

通过借助超星在线教育平台获取学生的学习行为相关数据，构建基于BP神经网络的高校学生成绩预测模型，对学生期末考試成绩预测，实验证明该方法能有效地对学生成绩进行预测。

关键词：BP神经网络;成绩预测;模型;学习行为中图分类号：TP393 文献标识码：A文章编号：1009-3044（2021）21-0007-02开放科学（资源服务）标识码（OSID）：<E：＼2021知网文件＼19-21＼21＼01xs202121＼Image＼image1_1.png>Research on Early Warning Methods of College Students’ Achievements Based on BP Neural NetworkXU Bi-ya（Faculty of Megadata and Computing of Guangdong Baiyun University， Guangzhou 510400， China）Abstract：The academic performance of college students is related to their learning behavior. Predicting students' future performance through students' learning behavior is of great significance to improving the quality of teaching.With the promotion of the "Internet + Education" education model， more teachers rely on online teaching platforms to assist in teaching. Uses Chaoxing online education platform to obtain student learning behavior related data， builds a BP neural network-based college student performance prediction model， and evaluates students' finalexams.Performance prediction. Experiments show that this method can effectively predict student performance.Key words： BP neural network; performance prediction; model; learning behavior1 前言学生个体差异不同，学习效果也会存在很大差异，如果能根据学生平时的学习行为预测出学生的未来成绩，即可根据预测的结果对学生的学习进行正确的引导，提高教学的质量。

基于PCA-BP的信息安全风险评估模型任远芳;刘志杰;景凤宣;徐洋【期刊名称】《计算机仿真》【年(卷),期】2014(031)006【摘要】在网络安全问题的研究中,由于黑客通过操作系统进行攻击,造成网络信息不安全.为了提高信息安全风险评估的准确性,提出了基于主成分分析(PCA)和BP神经网络的信息安全风险评估模型.首先运用层次分析法对影响信息安全风险因素进行定性和定量的分析;然后采用主成分分析对影响信息安全风险全部因素重新组合生成新的综合指标;最后采用BP神经网络建立信息安全风险评估模型,并使用Matlab进行仿真,预测其风险值.仿真结果表明基于PCA-BP的评估模型准确率(98.48％)比基于BP评估模型(96.41％)的高些.【总页数】6页(P212-216,281)【作者】任远芳;刘志杰;景凤宣;徐洋【作者单位】贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳550001;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳550001;贵州师范大学网络中心,贵州贵阳550001;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳550001;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳550001【正文语种】中文【中图分类】TP309【相关文献】1.基于改进证据理论的信息安全风险评估模型 [J], 金力;谭红春;丁大为;方芳;阚红星2.基于云计算的信息安全风险评估模型 [J], 黄金凤;郑美容3.基于云计算的信息安全风险评估模型 [J], 黄金凤;郑美容;;4.基于防控措施的信息安全风险评估模型研究 [J], 赵蕾;李宗容;景延嵘;李楠芳;李胜春5.基于Web的网络信息安全风险评估模型研究 [J], 孔姝睿;赵艳因版权原因，仅展示原文概要，查看原文内容请购买。