多光谱骨髓细胞图像分类方法研究

介绍了一种结合决策树和极大似然法的多光谱骨髓细胞图像自动分类的方法，详细讨论了怎样确定决策树的结构，应用散点图挑选节点特征以及构造节点分类器。给出了分类结果。实验结果表明，文章提出的基于决策树的细胞分类方法对于多类的骨髓细胞分类识别极为有效，分类准确率远远高于单纯的极大似然法分类器，且分类的速度也令人满意。     

一种新的组合分类器学习方法

提出了一种新的基于决策树的组合分类器学习方法FL(Forest Learning)。与bagging和adaboost等传统的组合分类器学习方法不同,FL不采用抽样或加权抽样,而是直接在训练集上学习一个森林作为组合分类器。与传统组合学习方法独立地学习每个基分类器,然后把它们组合在一起的做法不同,FL学习每个基分类器时都尽可能地考虑对组合分类器的影响。首先,FL使用传统的方法构建森林的第一棵决策树;然后,逐一构建新的决策树并将其添加到森林中。在构建新的决策树时,结点的每次划分都考虑对组合分类器的影响。实验结果表明,与传统的组合分类器学习方法相比,FL在大部分数据集上都能构建出性能更好的组合分类器。     

竞争选择分裂属性的决策树分类模型

构建决策树分类器关键是选择分裂属性。通过分析信息增益和增益比率、Gini索引、基于Goodman-Kruskal关联索引这三种选择分裂属性的标准，提出了一种改进经典决策树分类器C4＋5算法的方法（竞争选择分裂属性的决策树分类模型），它综合三种选择分裂属性的标准，通过竞争机制选择最佳分裂属性。实验结果表明它在大多数情况下，使得不牺牲分类精确度而获得更小的决策树成为了可能。     

一种以相关性确定条件属性的决策树

决策树是数据挖掘中的一种重要的分类器。文章在介绍了一些典型的决策树分类算法的基础上，研究了一种相关性度量的决策树分类器。其主要思想是在建立决策树过程中采用属性相关性度量来确定划分条件属性的顺序，通过阈值设定和处理简化了决策树的剪枝和优化过程，避免了使用信息熵带来的不当划分，详细描述了算法的执行过程以及正确性证明和时间复杂性分析。     

基于SVM决策树的文本分类器

研究了SVM决策树分类器在文本分类中的应用,提出了一种有效的SVM决策树分类器的优化构建方 法.该方法利用类间距离衡量两类间的可分性,并进一步用来描述各结点分类器类集合间的可分性.基于综合考虑结点分类器的类集合可分性,该方法能够获得优化的结点分类器类划分算法,由此构建的SVM决策树分类器在整体性能上得到优化,在文本分类中获得良好效果.     

决策树C4.5算法在天然气输差分析中的应用

分类器是数据挖掘的一种基本方法。文章首先介绍了分类器的基本概念和决策树构建思路,然后讲述了在天然气信息数据库的基础上如何建立决策树分类器(用Java语言)和寻找影响输差较大的因素,从而得出一些实用的预测输差的规则。     

用粗糙集理论建立决策树的一种方法

在数据挖掘中，分期是一个很重要的问题，有很多流行的分类器可以创建决策树木产生类模型。本文介绍了通过信息增益或熵的比较来构造一棵决策树的数桩挖掘算法思想，给出了用粗糙集理论构造决策树的一种方法，并用曲面造型方面的实例说明了决策树的生成过程。通过与ID3方法的比较，该种方法可以降低决策树的复杂性，优化决策树的结构，能挖掘较好的规则信息。     

基于不平衡数据集的级联决策树改进算法

提出一种针对客户离网问题的改进决策树分类算法——M-AdaBoost级联决策树。采用级联式的思想构造多个基于AdaBoost决策树分类器,通过设定子分类器的判决信息,组合成级联式决策树。实验结果表明,该方法相对于单一的C4.5决策树、传统的AdaBoost决策树以及随机森林具有更好的分类效果。     

基于小波包和GBDT的瓦斯传感器故障诊断

针对瓦斯传感器的常见故障类型,提出了一种基于小波包和GBDT的瓦斯传感器故障诊断方法.该方法首先使用3层小波包分解对瓦斯原始故障信号进行分解;然后利用LDB算法削减得到重构信号能量,经归一化处理后作为输入分类器的特征向量;接着利用由梯度提升技巧和决策树构成的GBDT分类器作为故障模式的训练和识别器;最后通过瓦斯传感器诊断实例验证了该方法的有效性.实验结果表明,采用该方法进行瓦斯传感器故障诊断相比其他方法具有更高的诊断精度和更好的样本泛化能力.     

并行决策树算法的研究

数据挖掘在科研和商业应用中正发挥着越来越重要的作用。随着数据量的增加,数据挖掘工具处理海量数据的能力问题显得日益突出。研究并行算法,是解决这个问题的有效途径。分类器是数据挖掘的一种基本方法,决策树是一种最重要的分类器。文章首先介绍了分类器中的决策树算法,然后设计了一种并行决策树算法,最后探讨了该并行算法在PVM系统下的实现。     

基于传感器丢包率不确定性预测的分布式H∞滤波算法

针对无线传感器网络（ WSNs）在测量数据丢包不确定性情况下的分布式H∞滤波问题,提出一种基于传感器丢包率不确定性预测的分布式H∞滤波算法。通过设计一种线性全阶滤波器,使得滤波误差能够收敛在均方渐近为零,同时抑制外界的干扰造成的H∞滤波衰减。根据滤波参数符合伯努利分布随机分布的原理,利用Lyapunov函数的方法,通过寻找最佳的滤波参数来保证在丢包率不确定的情况下对真值预测的随机稳定性。实验仿真结果表明：当观测数据存在不确定性丢包时,该滤波算法能发挥有效的滤波效果。     

防火墙动态过滤技术的研究

分析了防火墙中静态分组过滤技术的缺陷 ,针对这些缺陷 ,介绍了动态分组过滤技术原理 ,并给出了动态分组过滤技术的实现方法     

带丢包的一致性最小方差滤波

针对传感网路中存在的丢包问题,提出了一种新的基于一致性的滤波方法。对于节点的检测数据丢包,该滤波引入一致性协议提高了网络对于丢包的鲁棒性;对于传感器节点之间的通信丢包,该滤波引入了丢包补偿的方法。通过与已有丢包算法仿真对比,该方法具有更好的估计精度。     

基于Linux系统包过滤防火墙的实现

对防火墙的定义、主要功能、体系结构,防火墙技术中的包过滤技术进行了具体研究,构造了一个基于Linux的包过滤型防火墙系统。该系统包括数据包捕获模块、数据包过滤模块、数据包转发模块和日志与记费模块。实践证明,该包过滤型防火墙系统在保护网络安全上有良好的效果。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

在IP包过滤中状态TCP包的过滤研究与设计

IP包过滤防火墙是构造整体网络安全系统的必不可少的部分。传统的IP包过滤防火墙有许多的缺陷,解决方法之一是使防火墙具有状态过滤能力。以TCP为例,状态过滤机制不仅能根据ACK标志和源、目的地址及端口号进行过滤,还能根据TCP包里的序列号和窗口大小来决定对该包的操作。这样可以防止一些利用TCP滑动窗口机制的攻击。在IP包过滤里加入状态过滤机制不仅能阻止更多的恶意包通过,还能提高IP包过滤的过滤速率(这对防火墙来说是很重要的)。     

基于包过滤技术的网络安全的研究

分析了包过滤技术的各种实现方案，并在对比各个方案和剖析操作系统内核的基础上，研究并实现了基于中间层驱动的包过滤技术。通过编写内核级网络驱动实现了包过滤技术的具体应用。     

基于IP Queue的实时网页过滤系统的设计与实现

在分析了IP Queue机制的实现技术、HTTP请求报文和响应报文,以及IP数据包的相关特征的基础上,实现了基于IP地址、URL的请求报文过滤以及基于关键词的响应报文过滤的实时网页过滤系统。该系统同时运行于一个具体的网关计费系统,提高了网关的监控能力,为增强同类产品的网络安全尤其是在用户态防火墙和网关监控等方面提供了有益的参考。     

基于Windows的多种网络数据包过滤方案的比较分析

基于Windows的网络数据包过滤技术有多种,有必要对各种方案的性能进行比较。在介绍了Windows网络数据包拦截的多种方案的实现方法以后,比较了每一种实现方案的各自优点与不足。最后给出了网络数据包拦截技术在防火墙开发中应用的两个例子。得出数据包过滤要依据具体需求综合多种法案来实现。     

防火墙及其Linux实现

主要讨论防火墙和它的基本实现技术以及在 Linux系统下建立防火墙的原理和实现方法。介绍了L inux防火墙的内核支持数据包过滤功能、支持透明代理服务及支持 IP包伪装 (IP Masquerade)功能等特点