MATLAB在求解关系模式上全部候选关键字中的应用

本文描述了MATLAB中的数值数组、元胞数组与关系模式上的属性集、函数依赖集之间的对应关系，实现了属性集运算的MATLAB数组表示，给出了关系模式中计算属性集闭包、求解候选关键字的M函数。在应用[1]中的替换算法的基础上，本文给出了一个求解关系模式上全部候选关键字的M函数。实际应用表明，本文介绍的MATLAB程序代码简洁、运行可靠、求解正确。     

云存储环境下的多关键字密文搜索方法

针对现有云存储环境下多关键字密文搜索方法效率较低、缺乏自适应能力的问题,提出一种基于改进质量层次聚类的加密云数据多关键字排序搜索（MRSE-IQHC）方法。首先,采用词频-逆向文件频率（TF-IDF）方法和向量空间模型（VSM）构建文件向量;然后,提出一种改进质量层次聚类（IQHC）算法对文件向量聚类,构建文件索引和聚类索引;其次,采用K最近邻（KNN）查询算法对索引加密;最后,采用用户自定义关键字权值的方法构建搜索请求并在密文状态下搜索出前k个最相关的文件。实验结果表明,该方法与加密的云数据多关键字排序搜索（MRSE）方法以及基于层次聚类索引的加密数据多关键字排序搜索（MRSE-HCI）方法相比,在相同的搜索文件数量、返回文件数量、搜索关键字数量条件下搜索时间平均缩短了44.3%和34.2%、32.4%和13.2%、36.9%和19.4%,准确率提升了10.8%和8.6%。所提方法在云存储环境下的多关键字密文搜索中具有较高的搜索效率和准确性。     

基于逆向FD超图环的全部候选关键字求法

本文通过对逆向ＦＤ超图的环的分类的深入研究，找到了组成候选关键字的属性对应的结点的特征，进而给出了求解全部候关键字的多项式时间的新算法。     

一种改进的APDZS运动估计算法

在A．M．Tourapis的APDZS算法基础上，提出了一种改进的APDZS算法（IAPDZS）。通过对具体数据的分析，表明原来的APDZS算法存在较大搜索冗余，因此IAPDZS算法对此进行了相应改进。首先是初始候选向量的选择，增加（0，0）向量作为候选初始向量；相应的第二处改进在搜索顺序上，IAPDZS算法去除了以（0，0）为中心进行的第二次搜索；第三处改进在具体搜索过程中，IAPDZS算法根据不同的搜索模式，提出了改进方案。实验结果表明，IAPDZS算法能够在确保视频图像质量的前提下，有效提高搜索效率，总体搜索点数比APDZS算法降低20％左右。     

基于属性相关表的关系模式全部候选关键字求法

本文提出了属性相关表这样一种新的概念，定义了相应的运算并研究了它的有关性质及定理，在此基础上提出了用属性相关表求关系模式全部主属性的等级，并给出了用主属性来组合关系模式全部候选关键字的算法，上述算法的时间复杂度均为Ｏ（ｎ＾２）。     

基于哈希的B+树结构的频繁模式挖掘

提出了一种基干改进的B 树结构及一种新的数据挖掘算法，HB-Minc，该算法通过构造哈希函数，获得B 树的关键字，并在B 树的叶子结点上构建链表结构，记录卡H关关键字的项集及频数，这样在无需产生巨大的候选项集的情况下，挖掘出频繁模式，且具有较高的时间效率。     

基于搜索结果的聚类算法

当前的搜索引擎中,存在大量的冗余搜索结果,且不能对搜索结果进行指导分类。本文提出一种基于密度的聚类算法,能够有效地对搜索结果进行聚类优化和分类。该算法选取搜索结果中权重高于一定值的网页,提取网页的特征值与候选关键字,标注特征范围,再进行网页相似度比较,最大限度地消除冗余网页,并根据网页的候选关键字提供分类,从而提高搜索结果的精准性和满意度,达到更智能的效果。     

关联规则挖掘AprioriTid算法的改进

提出了一种将AprioriTid算法与事务压缩和项目压缩相结合的改进算法。该算法中候选项目集及支持度计算是在每条事务压缩后通过联接产生,候选项目集采用关键字识别,省去了AprioriTid算法中的剪枝和字符串模式匹配步骤。实验结果表明,改进的算法执行效率明显优于AprioriTid算法。     

一个具有前向安全和后向安全的可验证多关键字可搜索加密方案

随着现代社会软硬件技术的快速发展，云计算技术对于客户端的数据存储和计算提供了巨大的帮助，为用户节省了大量成本.而在存储的同时，用户可以通过可搜索加密（SE,Searchable Encryption）技术，对存储数据进行加密搜索，同时确保数据的安全性和搜索隐私性.本方案使用公钥加密实现了数据拥有者和数据使用者之间的多关键字可搜索加密，数据使用者搜索时以出现频率最少的关键字作为主关键字进行加密搜索，并且云服务器对每个索引密文只需要一次计算即可得到准确的多关键字搜索结果，最大程度降低了无关文件的访问，节约了大量时间成本.而在存储和搜索过程中，我们认为云服务器是诚实且好奇的系统，它会诚实地为用户存储数据，并正确执行存储和计算过程，但是其会对存储的数据产生好奇感，即窥探用户的数据，并且对每次的搜索结果很感兴趣.为减少多关键字可搜索加密方案的信息泄露，提高安全性，提出的方案具有前向安全和后向安全的特性，在动态更新时为每次更新的状态创建一种隐式结构，使得云服务器只需要保存最新一次的更新状态就能保证对所有数据进行搜索，并且每个更新状态只保存前一次更新状态的信息，实现了前向安全性;通过将每次对文件的更...     

SQL Server的全数据库搜索引擎

提出了一种能够在SQL Server环境下进行全数据库搜索的方法,只要用户提供搜索关键字,该例程能将包含此关键字的表名和列名全部给出。同时也实现了具有一定自学习功能的优化方案。该例程可以作为连接数据库和前端搜索程序的中间件。     

关系模式一种基于超图的全部候选关键字求法

本文详细讨论了基于超图的关系模式的有关候选关键字的某些理论,给出了相应的定理.圆满地解决了关系模式全部候选关键字的求解问题,具体地给出了以递归形式的求全部候选关键字的新算法.     

A nature-inspired multi-objective optimisation strategy based on a new reduced space searching algorithm for the design of alloy steels

In this paper, a salient search and optimisation algorithm based on a new reduced space searching strategy, is presented. This algorithm originates from an idea which relates to a simple experience when humans search for an optimal solution to a ‘real-life’ problem, i.e. when humans search for a candidate solution given a certain objective, a large area tends to be scanned first; should one succeed in finding clues in relation to the predefined objective, then the search space is greatly reduced for a more detailed search. Furthermore, this new algorithm is extended to the multi-objective optimisation case. Simulation results of optimising some challenging benchmark problems suggest that both the proposed single-objective and multi-objective optimisation algorithms outperform some of the other well-known Evolutionary Algorithms (EAs). The proposed algorithms are further applied successfully to the optimal design problem of alloy steels, which aims at determining the optimal heat treatment regime and the required weight percentages for chemical composites to obtain the desired mechanical properties of steel hence minimising production costs and achieving the overarching aim of ‘right-first-time production’ of metals.     

Model selection for support vector machines via uniform design

The problem of choosing a good parameter setting for a better generalization performance in a learning task is the so-called model selection. A nested uniform design (UD) methodology is proposed for efficient, robust and automatic model selection for support vector machines (SVMs). The proposed method is applied to select the candidate set of parameter combinations and carry out a k-fold cross-validation to evaluate the generalization performance of each parameter combination. In contrast to conventional exhaustive grid search, this method can be treated as a deterministic analog of random search. It can dramatically cut down the number of parameter trials and also provide the flexibility to adjust the candidate set size under computational time constraint. The key theoretic advantage of the UD model selection over the grid search is that the UD points are “far more uniform”and “far more space filling” than lattice grid points. The better uniformity and space-filling phenomena make the UD selection scheme more efficient by avoiding wasteful function evaluations of close-by patterns. The proposed method is evaluated on different learning tasks, different data sets as well as different SVM algorithms.     

求候选关键字的替换算法及其正确性和完备性证明

本文研究了用替换方法求解候选关键字的理论和算法，并证明了该算法的正确性和完备性。     

多级安全系统中访问控制新方案

研究了利用密码技术实现多级安全系统中的访问控制的方法。提出了一个新的基于密钥分配的动态访问控制方案。其中的密钥分配方法是基于Rabin公钥体制和中国剩余定理的。在该方案中,系统中每一用户被赋于一个安全权限,具有较高安全权限的用户可以利用自己私有的秘密信息和公共信息导出具有较低安全权限的用户的密钥,而低权限用户则不能导出高权限用户的密钥。这样高权限用户可以读取和存储属于低权限用户的保密信息,而低权限用户则不读取和存储属于高权限用户的保密信息。从而实现了利用密钥分配进行授权的访问控制。而且从系统中添加／删除一用户以及改变用户权限和改变用户密钥都无需变更整个系统。     

多进程系统状态恢复的一种优化方法

在由多进程组成的分布式系统中,为了保证系统在失效之后进程状态恢复的一致性,某一进程的状态回卷将引起所有与之有依赖关系的进程的后退.已有的依赖关系定义过于严格,该文重新定义了进程状态之间的依赖关系,可以减小进程状态卷回所造成的影响.     

智能合约辅助下满足前后向安全的动态可搜索加密方案

动态可搜索加密过程易受文件注入攻击和信息泄露导致的信息滥用攻击,同时现有基于公钥密码体制构造的动态可搜索加密方案往往涉及大量双线性对运算,不能满足实际应用的效率要求。通过引入智能合约,提出一种满足前后向安全的动态可搜索加密方案。以智能合约取代传统的搜索服务器进行关键字陷门匹配测试,解决传统搜索服务器必须满足诚实且好奇的设定问题,在此过程中避免大量使用双线性对运算,而是只执行一些简单的哈希操作,从而提升密文数据搜索阶段的计算效率。该方案满足前向安全性和后向安全性,即旧的搜索陷门不能用于搜索更新后的文件,且后续搜索不会泄露已删除文件所对应的索引信息。分析结果表明,与现有公钥密码体制下的动态可搜索加密方案相比,该方案在安全性和计算效率方面更具优势,适用于大数据通信环境。     

A dependency-based search strategy for feature selection

Feature selection has become an increasingly important field of research. It aims at finding optimal feature subsets that can achieve better generalization on unseen data. However, this can be a very challenging task, especially when dealing with large feature sets. Hence, a search strategy is needed to explore a relatively small portion of the search space in order to find “semi-optimal” subsets. Many search strategies have been proposed in the literature, however most of them do not take into consideration relationships between features. Due to the fact that features usually have different degrees of dependency among each other, we propose in this paper a new search strategy that utilizes dependency between feature pairs to guide the search in the feature space. When compared to other well-known search strategies, the proposed method prevailed.