一种确定网络安全度量指标体系参考框架的方法

评价主体、评价对象和评价尺度组合的多样性决定了评价指标体系的不唯一性,本文设计了一种网络安全度量指标体系性能评估的理论方法。结合“熵”、“博弈论”的相关思想,设计了“熵-博弈指标体系优化模型”,通过对指标区分度的计算以及结合指标重要程度因素的修正,对指标体系整体区分度进行测算,比较同一评价对象下不同网络安全度量指标体系的性能差异。通过实例验证了典型网络环境下该理论方法的合理性和可行性。为不同行业、不同业务、不同组成对象甚至同一系统不同时期的网络确定与其相适应的网络安全度量指标体系参考。     

用染色技术提高细胞的光声光谱检测灵敏度

为了提高细胞的光声光谱检测灵敏度和光谱吸收特性的区分度，对胎盼蓝染色的两种人鼻咽癌细胞株进行光声光谱检测，并与对应无染色细胞株的光声光谱进行比较。结果：(1)无染色组和胎盼蓝染色组的人鼻咽癌细胞(CNE-2、CNE-1)的光声光谱吸收系数大小规律是一样的：CNE-2、CNE-1；(2)染色的人鼻咽癌细胞的光声光谱吸收强度比无染色的明显增大，提高了光声光谱检测灵敏度，同时又提高了它们的光谱吸收特性的区分度。结论：用染色剂方法可以有效提高细胞样品的光声光谱检测灵敏度和光谱吸收特性的区分度。     

2005年棉花质量检验师执业资格考试分析

采用难度、标准差、区分度、信度和效度等经典教育测量学指标对2005年全国棉花质量检验师执业资格考试的试题和试卷质量进行了分析。     

基于聚类的特征选择方法

 本文提出了一种度量特征区分度的定义,进而提出一种基于聚类的特征选择方法CBFS.该方法时间复杂度与数据集的大小和特征个数成近似线性关系,适合于大规模数据集中的特征选择;该方法对数据类型没有限制,适用于混合类型数据.在UCI数据集上的实验结果表明,与文献中的方法相比,本文方法具有较好的性能,说明提出的特征选择方法是有效和实用的.     

基于划分的信息系统属性约简

从信息系统中属性间划分能力不同的角度出发，提出了属性左划分和属性右划分的观点，研究了它们的特点与性质，给出了在属性划分意义下核属性判定方法，设计了一种基于划分的属性约简算法ARABP，并进行了理论分析和实验仿真，结果表明该约简算法在效率上较现有的启发式算法有显著的提高。     

试卷质量控制技术的研究

文中提出了编制试题的基本要求，分析了影响试卷质量的基本因素，讨论了控制试题质量和试卷质量的技术指标．给出了一种提高试卷质量的制卷方法，并用于智能型试卷自动生成系统，为智能型试卷自动生成系统中试卷质量控制提供了一种较为合理的有效方法。     

一种基于Rough集的层次聚类算法

Rough集理论是一种新型的处理含糊和不确定性知识的数学工具，将Rough集理论应用于知识发现中的聚类分析，给出了局部不可区分关系、个体之间的局部不可区分度和总不可区分度、类之间的不可区分度、聚类结果的综合近似精度等定义，在此基础上提出了一种基于Rough集的层次聚类算法，该算法能够自动调整参数，以寻求更优的聚类结果。验结果验证了该算法的可行性，特别是在符号属性聚类方面有较好的聚类性能。     

基于文本的新闻事件多版本发现模型

信息时代的发展让越来越多的新闻事件充斥人们的生活,对于一件特定的新闻事件,目前已有很多算法可以帮助人们进行事件追踪和发现.提出一种CDW算法,帮助读者对于一件具有多个版本描述的新闻事件进行多个不同版本的发现.这个算法将文档集映射到话题层,通过提取每个话题的流行词,以得到文档集中具有高区分度的特征.然后根据这些特征对文档集进行聚类,最后得到事件的多个版本.通过在2个实际数据集上进行实验,实验结果表明,该算法与以往的相关算法相比是十分有效的.     

聚焦—识别网络架构的细粒度图像分类

目的 细粒度图像分类是指对一个大类别进行更细致的子类划分,如区分鸟的种类、车的品牌款式、狗的品种等。针对细粒度图像分类中的无关信息太多和背景干扰问题,本文利用深度卷积网络构建了细粒度图像聚焦—识别的联合学习框架,通过去除背景、突出待识别目标、自动定位有区分度的区域,从而提高细粒度图像分类识别率。方法 首先基于Yolov2（youonly look once v2）的网络快速检测出目标物体,消除背景干扰和无关信息对分类结果的影响,实现聚焦判别性区域,之后将检测到的物体（即Yolov2的输出）输入双线性卷积神经网络进行训练和分类。此网络框架可以实现端到端的训练,且只依赖于类别标注信息,而无需借助其他的人工标注信息。结果 在细粒度图像库CUB-200-2011、Cars196和Aircrafts100上进行实验验证,本文模型的分类精度分别达到84.5%、92%和88.4%,与同类型分类算法得到的最高分类精度相比,准确度分别提升了0.4%、0.7%和3.9%,比使用两个相同D（dence）-Net网络的方法分别高出0.5%、1.4%和4.5%。结论 使用聚焦—识别深度学习框架提取有区分度的区域对细粒度图像分类有积极作用,能够滤除大部分对细粒度图像分类没有贡献的区域,使得网络能够学习到更多有利于细粒度图像分类的特征,从而降低背景干扰对分类结果的影响,提高模型的识别率。     

融合共现距离和区分度的短文本相似度计算方法

针对短文本内容简短、特征稀疏等特点,提出一种融合共现距离和区分度的短文本相似度计算方法。一方面,该方法在整个短文本语料库中利用两个共现词之间距离计算它们的共现距离相关度。另一方面通过计算共现区分度来提高距离相关度的准确度,然后对每个文本中词项进行相关性加权,最后通过词项的权重和词项之间的共现距离相关度计算两个文本的相似度。实验结果表明,本文提出的方法能够提高短文本相似度计算的准确率。