家族关系查询系统源代码以及各个方法的功能说明

现有基于卷积神经网络（CNN）的恶意代码分类方法存在计算资源消耗较大的问题。为降低分类过程中的计算量和参数量，构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型。将恶意软件可视化为灰度图，以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性，利用灰度图训练带有深度可分离卷积的神经网络模型 Mobilenet v2，自动提取纹理特征，并采用 Softmax分类器对恶意代码进行家族分类。实验结果表明，该模型对恶意代码分类的平均准确率为99.32%，较经典的恶意代码可视化模型高出2.14个百分点。

关于DeepFam DeepFam是一种基于深度学习的无比对蛋白质功能预测方法。 DeepFam首先通过卷积层从原始序列中提取保守区域的特征，然后根据这些特征进行预测。 特征 免比对：不需要多重或成对序列比对来训练族模型。 取而代之的是，通过卷积单元和1-max池训练家庭中局部保留的区域。 卷积单元的工作方式与PSSM类似。 利用可变大小的卷积单元（多尺度卷积单元）来训练通常长度各异的特定于家庭的保守区域。 安装 DeepFam是在库中实现的。 CPU和GPU机器均受支持。 有关安装Tensorflow的详细说明，请参阅的。 要求 的Python：2.7 Tensorflow：超过1.0 用法 首先，克隆存储库或下载压缩的源代码文件。 $ git clone https://github.com/bhi-kimlab/DeepFam.git $ cd DeepFam 您可以通过帮

2020年晚辈家族聚会发言稿.pdf

CNN相关论文（包括ResNet，GoogleNet，R-CNN，YOLO，SSD，可视化等），包括rcnn家族，yolo家族等经典目标检测论文

湖北省恩施土家族苗族自治州六年级上学期数学第一次月考试卷.pdf

湖北省恩施土家族苗族自治州六年级下学期3月月考数学试卷.pdf

湖北省恩施土家族苗族自治州六年级下学期数学5月月考试卷.pdf

实验7 进程创建与进程家族树

湖北省襄阳四十九年级物理(17.1 能源家族)学案(无答案) 人教新课标版 学案.doc