可信度共享认证模型研究

由于认证系统存在不确定性,本文给出认证可信度的相关概念以描述不确定性,并给出多认证机制下可信度共享认证模型。该模型在可信度共享的思想上,通过将系统访问可信度值在多认证机制之间的分散管理,防止特殊场合认证机制的权力过于集中,以满足重要系统的特殊需要,增强系统的安全性。     

在用水表可信度的调查研究

株洲市自来水公司日供水能力115万m3,采用分质、分压、分区供水方式,居民生活用水和工业用水全部通过水表计量。水表计量准确与否,不仅关系到国家和公司的利益,而且关系到千家万户的切身利益,并直接影响到公司对漏损率、售水成本及利润等技术经济指标的准确核算,这就是本次调查的意义所在。一、调查样本的采集我们对株洲市区内在用水表随机从现场抽查D15－3（Xkllll水表244台（其中D15－4（Illll水表124台,D50－3（Xlllll水表71台,因叶轮或顶尖损坏而停走的水表49台）,检测其清洗前后的计量准确度。经分析得知在用水表准确度现…     

土石坝监测数据的未确知滤波

 在分析粗差和异常值表征特性的基础上,结合未确知数学理论,提出了一种新的基于可信度概念的粗差探测方法——未确知滤波法（UF法）,并深入研究了未确知滤波法阈值参数λ的取值方法,通过对该方法潜在问题的分析,提 出了相应的解决措施,即通过迭代滤波实现λ的优化,并运用列举法选择出最优的分段参数m,从而保证未确知滤波结果的正确性和可靠性。通过将未确知滤波法应用于土石坝监测数据的粗差探测和处理的实例,可以看出该方法克服了传统粗差处理方法存在的粗差互相污染、遮蔽、弃真以及难以区分粗差和异常值等问题。本方法还具有动态实时的特点尤其适合于处理观测周期长、测值跨度大的数据序列的粗差判别工作,是一种解决土石坝监测资料粗差判别及处理等问题的较为理想的方法。       

基于评分可信度的大数据线性回归推荐算法

针对传统线性回归推荐算法没有考虑用户兴趣漂移、活跃度和评分可信度等影响因素,为进一步提高算法的准确度和对用户偏好的拟合度,提出一种融合评分可信度的线性回归推荐算法。首先将用户的兴趣漂移度、活跃度和用户对商品的评价信息综合考虑到用户评分可信度的计算方法中;然后将该方法融合到传统线性回归推荐算法系数矩阵求解过程当中;最后利用优化后的线性回归推荐算法对用户评分进行预测。为了验证该算法的准确性,在Hadoop集群和亚马逊商品评分数据集上与传统的线性回归推荐算法进行了对比,实验结果表明,该算法在处理效率、推荐效果和拟合程度上有明显提高。     

基于差距映射的变可信度近似模型构建方法

为缓解复杂工程产品设计优化中计算复杂度和计算精度之间的矛盾,结合最小二乘支持向量回归（least squares support vector regression，LSSVR）模型，提出一种基于差距映射的变可信度近似模型构建方法，即最小二乘支持向量回归差距映射（LSSVR with difference mapping framework，DMF-LSSVR）方法，以实现小样本条件下高精度近似模型的构建，并通过工程实例验证该方法的有效性。工程实例结果显示所提出的方法具有较高的预测精度,可为复杂工程产品的设计优化提供理论基础。     

带有可信度标记的增量式数据修复方法研究

大数据时代,数据蕴含着巨大价值,成为当今信息社会的重要战略资源.然而,在对数据进行加工、处理的过程中,产生了大量不一致数据,对企业决策造成了不可预知的恶劣影响.现有的工作主要基于函数依赖研究数据修复技术,已有的修复方法分为三类:前两类需要企业提供Master数据库或给定元组的可信度值,然而在实际应用中,这样的条件未必能满足;而第三类基于最少删除原则的修复方法又会造成信息的丢失.同时,当函数依赖X→Y存在冲突时,现有的方法仅支持修改Y属性值.针对以上不足,在没有给定元组可信度的情形下,提出了带有可信度标记的增量式数据修复方法,方法分为两部分:第一部分为通过分析操作日志和知识规则,自动生成单元格的可信度标记;第二部分包含增量式修复策略,依据可信度标记值,确定修复X或Y属性值,同时结合条件概率来选取目标值进行修复.实验结果表明,所提的修复方法具有较高的可靠性和扩展性.     

基于RSSI特征值匹配改进的室内定位算法

为了提高目前室内定位的精度,文中对以往的室内定位算法进行了改进。针对以往指纹匹配阶段只考虑待测点的RSSI向量与其他参考点的RSSI向量之间的绝对距离,而忽视其相关距离的不足之处,造成分类的不准确,文中提出一种利用RSSI向量之间的相关距离及类的可信度对待测点所属指纹簇进行选择的改进匹配算法,即先求出某一RSSI向量与其余RSSI向量之间的相关距离,从中选取若干个最小相关距离的RSSI向量,再根据类可信度来判断其所属的指纹簇。仿真实验结果表明,将改进的匹配算法应用到位置指纹定位模型中后,定位精确分别比原有算法提高了10.38%和8.77%。     

迁移学习下的极限学习机代理建模方法及应用

针对在工程产品的迭代更新或者相似工程在特定需求下的重新设计优化中,使用少量样本构建高精度代理模型的问题,提出了基于迁移学习的极限学习机代理建模方法.结合相似工程产品的历史累积数据和当前产品上采样的少量真实样本,构建变可信度近似模型;融合近似模型生成的随机样本和当前产品的真实样本,构建基于迁移学习的极限学习机代理模型.所提算法使用数值算例进行了验证,并通过构建叉车臂架液压系统变幅缸最大压力代理模型的工程案例做进一步验证,实验结果表明,使用少量样本时,所提算法能显著提升代理模型的预测精度.     

基于证据可信度的D-S理论改进方法

针对当前D-S理论改进方法中可信度计算不够准确的问题,通过引入证据源可靠度,提出一种新的证据可信度计算方法。给出基于新可信度计算方法的三个改进合成公式,能够处理高度冲突的证据,并快速收敛到合理结果。通过算例对可信度计算方法的准确性和改进合成公式的有效性进行了验证。     

通讯痕迹与情报分析系统的设计方法

在犯罪活动中，犯罪嫌疑人一般都会留下不同程度的通讯痕迹。并且，这些通讯痕迹不仅包含犯罪嫌疑人的 活动轨迹，还对潜在的犯罪活动具有一定程度的预判作用。那么，对目标人员的通讯痕迹进行统计分析将是复原案情、确定侦 查方向、追踪目标人员和收集犯罪证据的重要环节。因此，本文对通讯痕迹与情报分析开展了相关研究，并开发了这款软件。