搜狗360爆发口水战

对于中国互联网来说,2013年的中秋并无祥和之意。刚刚获得腾讯注资的搜狗,与此前险些联姻的360之间,爆发了一场口水战。


  搜狗宣称360在用户不知情的情况下,将搜狗浏览器用户的默认设置被改为IE或者360浏览器,属于不正当竞争行为。而360则认为搜狗以升级输入法和更新词库为借口,大规模进行浏览器的诱导捆绑行为,360对用户提示搜狗的诱导捆绑行为合理合法。一时间,类似3Q大战的阴云再次笼罩中秋夜,网民又一次面临选择。


  搜狗:360篡改用户浏览器的默认设置


  9月20日,搜狗CEO王小川转发网友微博称,“从昨天(19日)起已经接收到全国各地大量用户对360的投诉,微博上也看到大量反馈。这个流氓行为超越法律底线,也是对用户的极大伤害。”王小川称搜狗已经对此进行取证。


  21日上午,搜狗发布官方声明称,从9月19日上午就开始收到大量用户投诉:搜狗浏览器用户的默认设置被改为IE或者360浏览器,且用户手动恢复无效。


  搜狗的调查统计显示,数量庞大的搜狗浏览器用户分批次、分时段、分地域受到影响。受到影响的用户除了北京外,还包括广州,西安等城市和地区。


  搜狗直言,根据技术人员的初步判断,搜狗浏览器用户默认设置在用户不知情状况下的更改,与360安全软件有关。搜狗声明中还呼吁360公司立刻停止影响用户体验的不正当竞争行为,倡导良性的竞争环境。


  21日晚间,搜狗浏览器在其官方微博上贴出教程,指导用户如何恢复默认浏览器设置。


  360:搜狗输入法存在诱导捆绑行为


  面对搜狗的指责,360显得有些无辜。21日下午360也发布声明,对篡改用户浏览器的指责予以否认,称用户有知情权和选择权,并指责搜狗输入存在诱导捆绑行为,违反工信部的相关规定。


  360声明称,在腾讯公司4.48亿美元入股投资搜狗之后,今年中秋期间,搜狗输入法的捆绑行为变本加厉,以升级输入法和更新词库为借口,大规模进行浏览器的诱导捆绑行为。作为安全软件,对搜狗的软件捆绑行为,360向用户进行风险提示是完全合理合法的。


  360认为,像其他安全软件一样,360安全软件同样提供浏览器修复功能。搜狗通过捆绑下载搜狗浏览器并修改用户的默认设置后,360的浏览器修复功能会向用户确认,在征得用户同意后,会将搜狗浏览器恢复为系统原默认的浏览器。360浏览器修复功能完全尊重了用户的知情权和选择权。


  据称,早在2011年,工信部发布了第20号 令《规范互联网信息服务市场秩序若干规定》,明确提出:“互联网信息服务终端软件捆绑其他软件的,应当以显着的方式提示用户,由用户主动选择是否安装或者 使用,并提供独立的卸载或者关闭方式,不得附加不合理条件。”


  谁才是“流氓”?


  9月16日,腾讯宣布向其注资4.48亿美元,并把旗下搜索、输入法等业务整合入搜狗。腾讯、搜狗两家意外联姻,而此前传闻接盘搜狗可能性最大的360意外出局。此番接踵而来的浏览器之战,实在容易引人联想。


  有业内人士分析称,随着搜狗花落腾讯,搜索市场格局再添变数,而搜狗与360的此番交锋,或许是搜索领域新一轮大战的前奏。然而,从搜狗浏览器官方微博发布的重新恢复默认浏览器设置的方式来看,360此次是否是针对搜狗浏览器进行的有意“封杀”,实难定论。


  搜狗CEO王小川在微博上宣称360的行为是超越法律底线的“流氓行为”,并且已经取证。而360也搬出工信部《规范互联网信息服务市场秩序若干规定》指责搜狗通过捆绑诱导用户安装。如果事件持续发酵,双方或许还需诉诸公堂,才能辩清是非。


  但是无论是否诉诸法律程序,广大网民的利益已经受损,口水战的背后,是对互联网信息服务行为监管的诉求,谁是流氓不能总是由用户判断,加强监管,让流氓行为无藏身之处,才是中国互联网的当务之急。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值