基于过滤的态势信息分发方法

根据战场态势信息的特点以及态势信息分发的要求,提出了一种基于过滤的态势信息分发方法.该方法重点从访问控制权限过滤和发布/订阅谓词过滤两方面对态势信息进行过滤分发,使态势信息用户所接收到的态势信息与其兴趣和需求能够趋于一致.给出了态势信息过滤分发方法的具体内容,并对该方法下态势信息分发的效果和效能进行了分析和评估.     

非法网页过滤的研究与实现

文中介绍了文本分类中常用的KNN(K Nearest Neighbor)算法，将KNN算法应用到了非法网页过滤中，提出了一种非法网页过滤解决方案。基于Linux操作系统实现了此方案，并采用国际通用的相关评估方法对本方案的应用进行了测定和评估。评估结果显示，文中提出的方案在非法网页过滤中可以取得很好的过滤效果。     

基于多元信息融合的网络安全评估模型

以信息融合为基础的网络安全评估模型,对网络安全事件进行了过滤、关联以及融合等多层次信息融合,提高了多源安全检测信息的有效性,对于促进网络安全具有重要意义。以网络安全态势评估为着眼点,在简析了信息融合的基础上,重点分析了以信息融合为基础的网络安全态势评估模型。     

基于Turbo码的信息隐藏技术的研究

文章首先介绍了Turbo码的编码结构和用于Turbo码迭代译码的最大后验概率译码算法;然后提出了在几种不同方案下Turbo码的信息隐藏技术,对隐藏信息前后的译码效果进行了理论分析;最后通过实验对各种隐藏方案进行性能比较。     

基于向量空间模型的信息安全过滤系统

信息过滤是指通过监控信息源以找到满足用户需求的信息的过程。详细地论述了基于向量空间模型的信息过滤系统,系统由训练和自适应过滤两个阶段组成,在训练阶段,通过主题处理和特征抽取建立初始的过滤模板,设置初始阈值;在过滤阶段,则根据用户的反馈信息自适应地调整模板和阈值,最后给出了评估方法和实验结果。     

基于Turbo码的信息隐藏技术的研究

文章首先介绍了Turbo码的编码结构和用于Turbo码迭代译码的最大后验概率译码算法;然后提出了在几种不同方案下Turbo码的信息隐藏技术,对隐藏信息前后的译码效果进行了理论分析最后通过实验对各种隐藏方案进行性能比较.     

垃圾邮件过滤系统的评估模型研究

在分析现有垃圾邮件过滤系统评估存在各指标值不一致的情况的基础上,提出一个综合评估垃圾邮件过滤系统过滤效果的评估模型.依据该评估模型,设计和实现了一个评估系统;并使用该评估系统评估了多个开源的垃圾邮件过滤系统.实验结果表明,提出的评估模型能够有效的综合评估垃圾邮件过滤系统的过滤效果.     

EHFM:一种面向多源网络攻击告警的高效层级化数据过滤方案

在复杂网络环境中，态势感知技术根据警报数据实时捕捉多种安全要素及其引起的态势变化，对网络安全进行感知和预测，在安全建设中发挥着重大作用。然而，互联网中海量威胁日志和事件信息带来了极高的分析复杂度，甚至造成了评估和感知技术的误判问题，给安全管理带来了极大挑战。因此，警报事件的过滤起到了重要作用，并且过滤的细粒度、准确性是后续可靠安全态势评估的基础。文中提出了一个面向多源网络攻击告警的层次化数据过滤模型EHFM,并将其应用于一个安全态势感知系统中。EHFM包含5层过滤器，为多源告警日志设计了统一格式，提出了联合性能熵之差的概念，并结合模糊层次分析等方法，对大量的警报进行统一、精细、定制化的过滤，从而提升安全态势评估算法的准确性、灵活性，解决了网络攻击告警规模过大导致的安全状态误判问题。通过对上述EHFM过滤模型和态势感知系统的代码实现，该方案的可行性得到了证明。经过大量实验，结果表明，该方案能够对恶意事件进行精细的分类和过滤，有效避免外界环境因素带来的误判，在大规模网络攻击告警的场景下提升安全态势评估算法的准确性。     

BBS网络监听与检测系统研究

文章给出了一种BBS监听与检测的实现方案.该系统由底层捕包,重组过滤和二次分析检索三部分分布实现.底层捕包采用winpcap以过滤大部分的无用数据.重组过滤只将论坛文本信息还原并在剔除干扰字符的基础上采用平衡二叉树进行关键字匹配进一步过滤合法文本,提高了系统性能较少丢包率.二次分析检索对捕获的非法信息进行帐密检测并根据其帐密触发安全响应.     

基于UWB的采煤机定位精度提升算法研究

针对在矿井中采用UWB定位系统获取采煤机位置坐标时精度较低等问题,提出了一种基于UWB的采煤机定位精度提升算法,该算法利用信息过滤算法处理多种信号值的能力对UWB定位结果进行过滤,利用神经网络算法评估优化的能力对采煤机位于刮板输送机机头位置某个时间段内的数据信息进行评估,实现对采煤机的精确定位。实验结果表明,对定位结果进行过滤处理后,三维精度可达7cm左右,经神经网络算法处理后,定位精度可提升至2~3cm。     

SVM在网络信息内容审计中的研究与应用

对网络信息内容审计关键技术进行了研究,给出了网络信息内容审计系统的模型,并从特征选择、权重调整等方面详细阐述了将SVM算法应用于网络信息内容识别的过程,在此基础上实现了基于SVM的网络信息内容审计系统。测试结果表明,该系统能对敏感内容进行正确识别,查全率和查准率分别达到95.06%和85.47%,解决了人工选择关键词的困难,并且满足监控需求。     

一种不良文本识别特征选择方法

针对不良文本的特殊性,提出一种两步特征选择方法。首先对训练文本用有限自动机识别其中的特殊词作为特征加入特征集,同时将原文还原为不含特殊词的文本。对还原后文本用“组合特征选择方法”选择特征加入特征集。实验结果表明利用两步特征选择方法能有效提高非法文本识别精度。     

基于贝叶斯方法的网络信息过滤技术研究

随着计算机和网络技术的发展,网络上的信息越来越多,如何在短时间内查询到符合自己需求的有用信息,是每一个网络用户非常关心的问题。信息过滤的研究是当前一个比较热门的话题,信息的筛选和过滤是对信息按照预先确定的标准进行分类。本文在分析大量网络信息的基础上,利用贝叶斯方法进行研究,提出一个基于贝叶斯统计分析的信息过滤模型。     

扩展内容过滤应对新型垃圾邮件

随着信息的迅猛增长,垃圾邮件问题日益严重。如何有效地过滤垃圾邮件成为研究的热点问题。介绍了目前比较常见的几种垃圾邮件过滤技术,分析了垃圾邮件制造者采用的各种新型手段,如简繁体混编、汉字拆分、词间加入特殊字符等,试图绕过基于内容的关键词检查。针对其中几种典型的新型垃圾邮件编写手段,提出改进的中文分词策略,结合基于内容的关键词检查,提出基于特征词扩展的内容检查过滤机制。实验验证改进后的过滤模型可在一定程度上提高对新型垃圾邮件的识别率。最后,对基于特征词扩展思想在网络内容安全和健康过滤上的应用做了展望。     

基于Lasso算法的中文情感混合特征选择方法研究

中文情感分析中的一个重要问题就是情感倾向分类,情感特征选择是基于机器学习的情感倾向分类的前提和基础,其作用在于通过剔除无关或冗余的特征来降低特征集的维数。提出一种将Lasso算法与过滤式特征选择方法相结合的情感混合特征选择方法:先利用Lasso惩罚回归算法对原始特征集合进行筛选,得出冗余度较低的情感分类特征子集;再对特征子集引入CHI,MI,IG等过滤方法来评价候选特征词与文本类别的依赖性权重,并据此剔除候选特征词中相关性较低的特征词;最终,在使用高斯核函数的SVM分类器上对比所提方法与DF,MI,IG和CHI在不同特征词数量下的分类效果。在微博短文本语料库上进行了实验,结果表明所提算法具有有效性和高效性;并且在特征子集维数小于样本数量时,提出的混合方法相比DF,MI,IG和CHI的特征选择效果都有一定程度的改善;通过对比识别率和查全率可以发现,Lasso-MI方法相比MI以及其他过滤方法更为有效。     

一种用于机械故障特征提取的多尺度稀疏滤波网络

针对传统稀疏滤波网络缺乏多尺度特征提取能力,难以充分挖掘故障信息的问题,提出一种多尺度稀疏滤波网络.该网络包括5层:多尺度粗粒度层,以获取多尺度信号;样本分段层,对每个尺度的信号分段;局部特征提取层,计算每个片段的特征向量;特征平均化层,将单个尺度下所有片段的特征向量池化以得到输入信号在该尺度下的表征;特征堆叠层,将所...     

电子邮件过滤系统的粗糙集分析模型

电子邮件过滤是网络信息安全研究的热点。粗糙集理论是一种处理含糊和不精确性问题的一种新型数学工具,得到了广泛应用。该文结合粗糙集理论的数据分析技术研究了电子邮件过滤系统的建模和特征发现等问题。实例分析结果表明,该方法是有效的。     

彩色文档图像的版面分析

文档图像处理技术是实现对网络上以“图片化”形式发送的垃圾邮件进行检测和过滤的有效手段。该文对彩色文档图像的版面进行分析,目的是分割出图像中的特定目标,便于分析并检测出文档图像中是否含有特别字符信息,从而使得网络垃圾邮件过滤系统可以根据这些信息判断是否过滤该邮件。实验结果表明,上述方法可以在不同颜色深度和不同几何结构的彩色文档图像中进行有效的检测,具有较好的实用性和应用价值。     

协同过滤推荐系统综述

随着互联网和信息计算的飞速发展,衍生了海量数据,我们已经进入信息爆炸的时代。网络中各种信息量的指数型增长导致用户想要从大量信息中找到自己需要的信息变得越来越困难,信息过载问题日益突出。推荐系统在缓解信息过载问题中起着非常重要的作用,该方法通过研究用户的兴趣偏好进行个性化计算,由系统发现用户兴趣进而引导用户发现自己的信息需求。目前,推荐系统已经成为产业界和学术界关注、研究的热点问题,应用领域十分广泛。在电子商务、会话推荐、文章推荐、智慧医疗等多个领域都有所应用。传统的推荐算法主要包括基于内容的推荐、协同过滤推荐以及混合推荐。其中,协同过滤推荐是推荐系统中应用最广泛最成功的技术之一。该方法利用用户或物品间的相似度以及历史行为数据对目标用户进行推荐,因此存在用户冷启动和项目冷启动问题。此外,随着信息量的急剧增长,传统协同过滤推荐系统面对数据的快速增长会遇到严重的数据稀疏性问题以及可扩展性问题。为了缓解甚至解决这些问题,推荐系统研究人员进行了大量的工作。近年来,为了提高推荐效果、提升用户满意度,学者们开始关注推荐系统的多样性问题以及可解释性等问题。由于深度学习方法可以通过发现数据中用户和项目之间的非线性关系从而学习一个有效的特征表示,因此越来越受到推荐系统研究人员的关注。目前的工作主要是利用评分数据、社交网络信息以及其他领域信息等辅助信息,结合深度学习、数据挖掘等技术提高推荐效果、提升用户满意度。对此,本文首先对推荐系统以及传统推荐算法进行概述,然后重点介绍协同过滤推荐算法的相关工作。包括协同过滤推荐算法的任务、评价指标、常用数据集以及学者们在解决协同过滤算法存在的问题时所做的工作以及努力。最后提出未来的几个可研究方向。     

求解本原多项式的快速算法

文档图像处理技术是实现对网络上以"图片化"形式发送的垃圾邮件进行检测和过滤的有效手段.该文对彩色文档图像的版面进行分析,目的是分割出图像中的特定目标,便于分析并检测出文档图像中是否含有特别字符信息,从而使得网络垃圾邮件过滤系统可以根据这些信息判断是否过滤该邮件.实验结果表明,上述方法可以在不同颜色深度和不同几何结构的彩色文档图像中进行有效的检测,具有较好的实用性和应用价值.