篇一：多层感知器学习算法研究
多层感知器学习算法研究 中文摘要
多层感知器学习算法研究
中文摘要
多层感知器是一种单向传播的多层前馈网络模型，由于具有高度的非线性映射能 力，是目前神经网络研究与应用中最基本的网络模型之一，广泛应用于模式识别、图 像处理、函数逼近、优化计算、最优预测和自适应控制等领域。而多层感知器采用的 是BP算法。BP算法的收敛速度慢是个固有的缺点，因为它是建立在基于只具有局 部搜索能力的梯度法之上的，是只具有局部搜索能力的方法，若用于多个极小点的目 标函数时，是无法避免陷入局部极小和速度慢的缺点的。因此，对BP算法的研究一 直以来都是非常重要的课题。
毕业设计课题旨在对多层感知器的学习算法进行研究，并提出一种新的学习算 法。由于BPWE (权值外推BP)算法和TBP (三项BP)算法都是基于权值调整的改 进算法，而考虑将TBP算法中的均衡因子融入到BPWE算法中，从而使后者对权值 的调整由原来的两项增加为三项，从而提出一种新的学习算法---TWEBP算法。为了 验证本算法的优点，采用了三个例子，分别对异或问题、三分类问题和函数逼近问题 进行了实验，发现其收敛速度和逃离局部极小点的能力都优于传统算法。
关键词：多层感知器学习算法趋势外推均衡因子TWEBP
作 者：王之仓 指导教
师：邓伟
Research on Multilayer Perceptron Learning Algorithm ABSTRACT
Multilayer Perceptron is a sort of multilayer feed-forward single direct propagation network model. Because of its good nonlinear mapping ability, it is one of the basic models in the research and application of neural network at present, which has been widely applied to pattern recognition, image processing, function approximation, optimization computation, optional prediction, adaptation control and so on. Multilayer Perception trained with BP algorithm often has a low convergence speed as a natural drawback，because it is based on gradient descent method which is only local searching. When applied to an object function with many local minimums, it is not possible for BP algorithm to
Abstract Research on Multilayer Perceptron Learning Algorithm avoid being trapped in local minimum and to have a low converges speed. In a word, the research on BP algorithm has become very important for a long time.
The purpose of this design task is to study the algorithms of Multilayer Perceptron, and a new BP algorithm is presented. Both BPWE algorithm (back-propagation by weight extrapolation) and TBP algorithm (a three-term back propagation algorithm) are based on weight value adjusted. Considered to add the proportional factor of the TBP algorithm into BPWE algorithm, it made the latter can adjust weight value by three terms too. A new BP algorithm，named TWEBP (the three-term weight extrapolation back propagation algorithm), is presented based on the two algorithm proposed just now. This new TWEBP algorithm is tested on three examples and the convergence behavior of the TWEBP and BP algorithm are compared. The results show that the proposed algorithm generally out-perfoims the conventional algorithm in terms of convergence speed and the ability to escape from local minima. Keywords： Multilayer Perceptron, learning algorithm, extrapolation, proportional factor, TWEBP
目 录
攸顺 ......................................... ......................................................................................................... I ABSTRACT ...................................................................................................................................... II
第一章绪论 ............................................................................................................................. 1
1.1基本概念 ................................................................................................................................ 1
1.2神经网络的发展过程 ........................................................................................................... 2
1.2.1产生背景 ..................................................................................................................... 2
1.2.2发展历史 ..................................................................................................................... 2
1.2.3 现状 ............................................................................................................................ 4
1.3多层感知器 ............................................................................................................................ 5
1.3.1基本概念 ..................................................................................................................... 5
1.3.2多层感知器学习算法存在的问题 ............................................................................ 6
1.3.3多层感知器学习算法的研究成果 ............................................................................ 7
1.4毕业设计工作及论文结构 ................................................................................................. 8
1.4.1毕业设计工作 ........................................................................................................... 8
1.4.2论文结构 .......................................................... .......................................................... 8
第二章反向传播算法 ...................................................................................................................... 9
2.1反向传播算法 ........................................................................................................................ 9
2.1.1学习规则 ..................................................................................................................... 9
2.1.2学习过程 ..................................................................................................................... 9
2.1.3反向传播算法的步骤 ............................................................................................... 11
2.2反向传播算法的贡献和局限性 ........................................................................................ 12
2.2.1反向传播算法的贡献 ............................................................................................... 12
2.2.2反向传播算法的局限性 .......................................................................................... 12
2.3对反向传播算法的进一步讨论 ........................................................................................ 13
2.3.1激活函数 ................................................................................................................... 13 .2.3.2
16
2.3.3云力量项 ................................................................................................................... 16 ............................... ...................................................................................... ；
2.3.4学习速率 .................................................................................................................. 17
2.3.5误差函数 ................................................................................................................ 19
2.4小结 ..................................................................................................................................... 20
第三章性能优化 .............................................................................................................................. 21
3.1性能优化的理论基础 ........................................................................................................ 21
3.2最速下降法 ......................................................................................................................... 23
3.3牛顿法 ................................................................................................................................. 24
3.4共轭梯度法 ......................................................................................................................... 25
3.5小结 ..................................................................................................................................... 27
第四章TWEBP算法 ....................................................................................................................... 29
4.1趋势外推思想 ..................................................................................................................... 29
4.1.1趋势外推 .................................................................................................................. 29
4.1,2 BPWE 算法 .............................................................................................................. 30
4.2 TBP 算法 ............................................................................................................................ 32
4.3 TWEBP 算法 ...................................................................................................................... 32
4.4计算机仿真 ......................................................................................................................... 33
4.4.1 XOR 问题 ................................................................................................................. 33
4.4.2三分类问题 .............................................................................................................. 37
4.4.3函数逼近问题 .......................................................................................................... 42
4.5 4^ .......................................................................................................................................... 46
第五章总结与展望 .......................................................................................................................... 47 #%娜 ................................................................................................................................................
攻读学位期间公幵发表的论文 ..................................................................................................... 50
? ............................................................................................................................................ 51 48
第一章绪论
一个神经元有两种状态，即兴奋和抑制，平时处于抑制状态的神经元，其树突和 胞体接收其他神经元经由突触传来的兴奋电位，多个输入在神经元中以代数和的方式 叠加；如果输
多层感知器学习算法研究 第一韋绪论 入兴奋总量超过某个阈值，神经元就会被激发进入兴奋状态，发出输出 脉冲，并由轴突的突触传递给其他神经元。神经元被触发之后有一个不应期，在此期 间内不能被触发，然后阈值逐渐下降，恢复兴奋性。神经元是按照“全或无”的原则 工作的，只有兴奋和抑制两种状态，但也不能认为神经元只能表达或传递二值逻辑信 号。因为神经元兴奋时往往不是只发出一个脉冲，而是发出一串脉冲，如果把这一串 脉冲看成是一个调频信号，脉冲的密度是可以表达连续量的。
人工神经网络(ARTIFICIAL NEURAL NETWORK,简称ANN)是在对人脑组织结 构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在本世 纪40年代初期，心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个 数学模型，从此开创了神经科学理论的研究时代。其后，F.Rosenblatt、Widrow和 Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。
1.1基本概念
从数学的角度讲，人工神经网络是一个由互连接突触的节点和激活连接构成的有 向图，具有4个主要特征：
1每个神经元可表示为一组线性的突触连接，一个应用它的外部偏置，以及可能 的非线性激活连接。偏置由和一个固定为+ 1的输入连接的突触连接表示。
2神经元的突触连接给它们相应的输入信号加权。
3输入信号的加权和构成该神经元的诱导局部域。
4激活连接压制神经元的诱导局部域产生输出。[1]
图1-1 (a)和（b)分别是神经元MP模型和通用神经元模型。
篇二：大数据终结版 论文 大数据
专 题 报 告
项目名称：大数据技术及其应用 课程名称：
班级：
姓名：
学号：
教师：张晓明
信息工程学院计算机系
目录
前言.......................................................................................................... 3
1 大数据的概念.......................................................................................3
1.1 大数据的四个特性............................................................................................4
1.2 大数据的三个特征............................................................................................4 2 大数据的关键术.................................................................................................52.1 可视化分析.........................................................................................................52.2 数据挖掘算法.....................................................................................................52.3 数据质量和数据管理.........................................................................................5 3 大数据的应用案例...............................................................................5
4大数据价值与隐私保护........................................................................8
5 大数据的发展前景...............................................................................8
6 结论......................................................................................................10
7 参考文献..............................................................................................10
大数据技术及应用
引言
进入2012年以来，大数据（Big Data）一词越来越多地被提及与使用，人们用它来描述和定义信息爆炸时代产生的海量数，它已经出现过在《纽约时报》、《华尔街时报》的专栏封面，进入美国白宫网的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国君证劵、国泰君安、银河证劵等写进了投资推荐报告，大数据时代来临据。
有人说21世纪是数据信息时代，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域。我们在享受便利的同时，也无偿贡献了自己的“行踪”。现在互联网不但知道对面是一只狗，还知道这只狗喜欢什么食物，几点出去遛弯，几点回窝睡觉。我们不得不接受这个现实，每个人在互联网进入到大数据时代，都将是透明性存在。各种数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然现在企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”
1 大数据的概念
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。从图1 模型不难看出，大数据从本质上来讲包含数量、类型、速度3 个维度的问题，事实上，要想从根本上区别这3 个维度是不可能的。因为，大数据概念的提出是源于技术的发展。
大数据的本质构建如图1 所示。
"大数据"首先是指数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，
但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。
1.1 大数据的四个特性
大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。这也是一个描述性的定义，在对数据描述的基础上加入了处理此类数据的一些特征，用这些特征来描述大数据。当前，较为统一的认识是大数据有四个基本特征: 数据规模大( Volume) ，数据种类多( Variety) ，数据要求处理速度快( Velocity) ，数据价值密度低( Value) ，即所谓的四V 特性。
(一）数据规模大( Volume)：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。
(二) 数据种类多( Variety)：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。
（三）处理速度快( Velocity)：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。
（四）数据价值密度低( Value)：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值。
1.2 大数据的三个特征
除了有四个特性之外，大数据时代的数据还呈现出其他三个特征。
第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求.
第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
2 大数据的关键技术
从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？
2.1 可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了.
2.2 数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
2.3 数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
3 大数据的应用案例
麦肯锡在大数据的研究报告中指出，大数据的应用已经渗透到每一个行业和业务职能领域，逐渐成为了重要的生产因素。按照专业领域划分，信息技术、互联网行业、商业、遥感探测已经开始应用大数据技术来进行研究和生产效益；生物信息技术、科研情报所、图书情报领域已经对大数据展开了研究，并进行了规划；其他专业和行业对大数据可能仍处于了解阶段，但大数据的浪潮很快就会波及大部分的行业领域。
大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，在此申明，以下案例均来源于网络，本文仅作引用，并在此基础上作简单的梳理和分类。
篇三：计算机网络基础论文
目录
《计算机网络》课程论文 ................................... 1
前言 ..................................................... 1
一、无线局域网络的社会现状 ............................... 1
二、无线局域网的应用范围 ................................. 2
三、无线局域网安全措施 ................................... 2
1、部署入侵检测系统（IDS） ............................ 2
2、使用访问控制列表 ACL ............................... 2
3、合理配置SNMP ....................................... 3
4、启用RADIUS认证服务 ................................ 3
四、无线局域网在中国的发展前景 ........................... 3
五、未来网络发展 ......................................... 4
六、结论 ................................................. 4
七、课程建议 ............................................. 4
参考文献： ............................................... 5
《计算机网络》课程论文
——因特网及其应用
前 言
计算机网路偶是当今最热门的学科之一，在过去的几十年里取得了长足的发展。尤其是近几十年来，因特网（Internet）深入到千家万户，对科学、技术乃至整个社会的发展产生了巨大的影响。计算机网络的开发研究和把计算机网络作为一门课程进行教学，培养着方面的人才，已经收到广泛重视。根据徐静老师上课内容和《计算机网络》这本书相结合，我初步了解了很多关于网络方面的知识。在这特举“因特网及其应用”一例来说明。
关键词：无线局域网络，网络安全，网络现状
一、无线局域网络的社会现状
无线局域网（Wireless Local Area Network，缩写为"WLAN"），顾名思义，就是采用无线通讯技术代替传统电缆，提供传统有线局域网功能的网络。无线局域网（WLAN）技术的发展使人们摆脱了传统线缆的束缚，可以更方便、灵活快捷地访问网络资源，这对于IT企业来说是新的赢利点和发展的契机。然而，若用户在没有采取适当安全措施的情况下使用无线局域网，入侵者就能够轻易地得到无线网络的访问口令，登录到服务器上并窃取信息、控制企业的Web站点，甚至中断整个企业网络的运行。因此，无线局域网络安全解决方案在无线局域网的建设和运行中显得格外重要。
但随着无线局域网应用的日益广泛，其安全问题也越来越受到人们的关注。对于有线网络，数据通过电缆传输到特定的目的地，通常在物理链路遭到破坏的情况下，数据才有可能泄露；而无线局域网中，数据是在空中传播，只要在无线接入点覆盖的范围内，终端都可以接收到无线信号，无线接入点不能将信号定向到一个特定的接收设备，因此无线局域网的安全问题显得尤为突出。
二、无线局域网的应用范围
目前，无线局域网（WLAN）的典型应用包括医院、学校、金融服务、制造业、服务业、公司应用、公共访问等场所，可以提供移动办公、会议联入网络环境、布线困难的场所等应用，因此在具体部署WLAN网络设备时需要考虑建筑物内和建筑物之间这两种应用环境。譬如在部署建筑物内的WLAN时，与有线LAN非常相似，建筑物内WLAN设备由PC卡、个人计算机接口（PCI）、产业标准结构（ISA）、客户机适配器以及接入点（AP）组成。其中接入点的功能与有线网络中的集线器类似，可作为星型拓扑的中心，还可作为与以太网连接的桥接设备。而在部署建筑物到建筑物的WLAN网络技术时，则是通过无线桥接设备将相距数英里的建筑物中的网络集成为一个单一的局域网，一个无线网桥安装方便且费用合算。
支持WLAN的设备可以根据终端用户的类型而划分。就目前而言，专业便携式PC用户对移动数据连接的需求正首先推动WLAN设备市场的快速增长，随后，移动PC和PDA的增多也将促使更多场所提供WLAN接入服务以支持移动访问商务应用。目前，大部分的WLAN功能是作为PC适配器出售的，许多顶级的移动PC生产商也已经推出了捆绑无线适配器的便携式PC。
总之，WLAN直接进入消费产品市场，这促使更多的供应商会将大量支持WLAN功能的设备投入市场，直接刺激WLAN市场的迅速发展。
三、无线局域网安全措施
保障WLAN的安全只是整个企业安全框架的一个组成部分，所以应在网络中部署多层防御措施，以减轻黑客攻击的威胁。其他的安全组件包括防火墙、入侵检测系统和分段网络。
1、部署入侵检测系统（IDS）
考虑添加入侵检测系统（IDS），这样可以发现无线局域网中即将发生的攻击活动。入侵检测系统可以放置在接入点所在的非信任网段，这样有助于提醒管理员可能发生的潜在威胁。如果攻击者获得了访问权限，并试图扫描其他用户或者防火墙，管理员就会得到有人滥用网络的警告。一旦这种行为发生，就意味着WEP密钥已经被破解，此时应该立即修改WEP。要正确维护IDS，就必须经常阅读警告日志，还需要经常查看防火墙日志和系统日志，以及其他一些应用程序的日志。
2、使用访问控制列表 ACL
进一步保护无线网络，可以使用访问控制列表 ACL。虽然不是所有的无线接入点都支持这项特性，但如果网络支持，就可以具体地指定允许哪些机器连接到接入点。支持这项特性的接入点有时会使用普通文件传输协议（TFTP），定期下载更新的列表，以省去管理员必须在每台设备上手工设置使列表保持同步的麻烦。
3、合理配置SNMP
网络管理协议（SNMP）是目前TCP/IP网络中应用最为广泛的网络管理协议，它提供了一种监控和管理计算机网络的系统方法。但由于SNMP缺少身份验证（Authentification）和加密机制（Privacy），所以在WLAN中容易成为泄密的突破口，因此如果接入点支持SNMP，建议禁用或者改变公开的共用字符串。如果不采取这项措施，黑客就可能利用SNMP获得有关网络的重要信息。
4、启用RADIUS认证服务
一个能够支持上千名用户，具有最先进加密和认证技术的大型系统通常需要一套能够进行集中化管理的安全性解决方案。这些系统通过RADIUS有线对等保密协议WEP（Wired Equivalent Privacy）来实现认证与数据加密，认证模式有Open Authentication和Shared Key Authentication两种。WEP使用RSA Data Security公司的Ron Rivest发明的RC4流密码进行加密。属于一种对称的流密码，支持可变长度的密钥。
四、无线局域网在中国的发展前景
无线局域网将在金融、旅游、医护、库管、会展等领域，无线网络有着广阔的应用前景。可以预见，随着开放办公的流行和手持设备的普及，人们对移动性访问和存储信息的需求愈来愈多，因而无线局域网将会在办公、生产和家庭等领域不断获得更广泛应用。
其次，与移动通信网的结合。因为WLAN覆盖范围有限，而现有的移动通信网络可以提供广域覆盖，因此，移动运营商可以将移动通信网的漫游功能和WLAN结合，提高用户无线上网的覆盖范围。这也是目前中国移动力推"GPRS＋WLAN"无线数据业务捆绑方案的初衷--用户的笔记本电脑可以在GPRS和WLAN网络中自由切换，在WLAN的环境下实现11Mbps的高速互联网接入；在WLAN覆盖不到的地区则可以通过GPRS上
不仅接入方式灵活，移动运营商的收费方式也相对简单。用户可以选择将网卡号和自己的手机号码捆绑收费的方式。即便是通过GPRS上网，中国移动也提
供了四种"套餐"，费用可以直接打入用户的手机费用中。而且，该网卡也很便于使用，用户无需注册或者去买预付卡，只要根据提示进行简单的安装即可。
还有，与固网的结合。中国网通是最先启动WLAN"热点"地区建设的运营商。在机场、酒店、办公楼和咖啡厅等商务密集地区，采用WLAN提供公共移动服务的成本很低，可满足大量用户的移动上网需求，WLAN可快速地为用户提供数据服务。对于中国网通和中国电信而言，可将WLAN与ADSL业务互为补充，打破宽带接入的瓶颈，提高用户的开通率。
五、未来网络发展
我认为将来的网络将会朝着高速、高效、智能和安全三个方向发展。
1、未来的网络将会高速化。速度制约着网络的发展，它关系到网络的命运，未来的网络是超高速的。
2、未来网络的更加高效。效率控制着时间，它关系到未来网络发展的快慢。在当今的网络社会中有线网络是主体。
3、智能化发展是当今社会发展的趋势，我们的网络当然也不会落后。智能化是网络发展的方向舵。
未来的网络将会更加的安全。它将会自动识别病毒和垃圾信息。并会对发布网站进行封杀。他们将会因为无法制造和传播而不存在。那时我们每个人的计算机将不用安装杀毒软件，网络将它们取代。我们的信息也因为在传播的过程中自动加密和定点传送而变得绝对的安全
六、结论
无线局域网目前正处于蓬勃发展时期，而无线局域网的安全问题也是业界尤为关注的焦点之一。只有在现有的无线局域网安全框架基础上，运用相关的关键技术搭建一个增强的、有足够安全性的无线局域网，才能推动无线局域网的实际应用，尤其是在企业、机关等重要部门中的使用。也只有这样，无线局域网才能安全顺利地与其他有线网络、无线网络中实现互联互通，并发挥其巨大的潜力。
七、课程建议
《计算机网络》课程已经结束了，在学习期间我们学习到了很多了的知识和一些新的学习方法。下面是我对老师您和该课程的建议。
1、让我们轻松接受知识。虽然大学是学生自学为主，老师为辅，不过还是