嵌入式浏览器CSS引擎的研究与改进

层叠样式表(CSS)引擎的效率提升是嵌入式浏览器的性能瓶颈。为此,提出提升CSS引擎效率样式管理的改进和设计方法。该方法增加对用户操作相关伪类样式规则的分类,以减少对非必要的伪类样式规则匹配,匹配完全失效节点的记忆能够为兄弟节点提供样式规则匹配的指示,并减少样式规则匹配次数。实验结果表明,对于不同网页的样式规则匹配总时间消耗减少3%~15%左右。     

基于RPCL的模糊关联规则挖掘

在模糊关联规则的挖掘过程中,很难预先知道每个属性合适的模糊集。针对该问题,提出基于次胜者受罚竞争学习的模糊关联规则挖掘算法,无需先验知识,即可根据每个属性的性质找出对应的模糊集,并确定模糊集的数目。实验结果表明,与同类算法相比,该算法可以挖掘出更多有趣的关联规则。     

交通流数据清洗规则研究

交通检测器获得的数据存在无效、冗余、错误、时间点漂移及丢失等质量问题。为此,在分析影响数据质量问题原因的基础上,给出交通流数据清洗的概念,研究“脏数据”的清洗规则与清洗步骤,并对环形线圈检测器检测到的数据进行验证。结果表明,该清洗规则对错误、丢失、冗余等“脏数据”的识别率均在90%以上。     

服务器-客户端协作的跨站脚本攻击防御方法

在网络应用的链接中注入恶意代码,以此欺骗用户浏览器,当用户访问这些网站时便会受到跨站脚本攻击.为此,提出基于服务器端-客户端协作的跨站脚本攻击防御方法.利用规则文件、文档对象模型完整性测试和脚本混淆监测等方法,提高脚本的检测效率和准确性.实验结果表明,该方法能获得良好的攻击防御效果.     

改进的关联分类算法在信息化评估中的应用

在信息化评估过程中,传统关联分类算法无法优先发现短规则,且分类精度对规则次序的依赖较强。为此,提出基于子集支持度和多规则分类的关联分类算法,将训练集按待分类属性归类,利用子集支持度挖掘关联规则,通过计算类平均支持度对测试集进行分类。实验结果表明,该算法发现规则的能力和分类精度均优于传统方法。     

一种针对统一流程引擎的安全设计模型

以企业级IT架构为着眼点,对基于SOA的统一流程引擎的安全问题进行研究。对网络、服务、应用等多个层面的安全问题全面分析,提出了NSA模型。该模型实现了多层次的安全防御架构,能与企业级IT架构能够很好的结合。通过在金融系统的统一流程引擎建设中的实践,对模型进行了验证,并在模型中引入改良的智能神经网络结构,优化入侵检测的效能。     

基于粗糙集的推理通道消除

基于粗糙集理论对推理通道问题进行了研究。通过采用属性约简和属性值约简方法对数据库中的数据进行处理。在属性值约简基础之上,采用一种改进算法找出了数据库中推理规则集。进一步,将推理规则集中属性频率高的属性安全级别提高至决策属性的安全级别,从而消除推理通道。最后通过一个实例表明提出的消除通道算法是有效的。     

基于OWL本体的UML类图推理

分析UML模型一致性检测的研究意义,以及UML类图推理的研究现状,提出一种基于OWL本体的UML类图推理方案.研究UML类图向OWL本体转换的映射规则,给出UML类图包含关系、可满足性、等价关系和相离关系的判断方法及其推理规则.利用Jena推理机制实现了UML类图包含关系、可满足性、等价关系和相离关系的推理.     

离群数据规则挖掘的决策树构造方法

提出了一种针对离群数据规则挖掘的决策树构造方法。通过给出一个平均致密度的新定义和对离群数据产生机制的深入分析,提出离群数据的致密度往往比正常样本数据高的新认识,指出离群数据本质上也是不平衡数据,基于此提出了一种自动标记离群数据的新算法,并进一步在该算法和C4.5算法部分功能的基础上提出了一种基于离群数据自动标记的模糊决策树构造方法。仿真实验结果表明,该方法具有高效的离群数据规则挖掘能力,能处理不平衡数据,优化决策树的结构,挖掘出更高信任度的规则,有一定的实用价值。     

关联规则挖掘在航空安全报告分析中的应用

针对航空安全自愿报告的特点,将关联规则挖掘算法中改进的Apriori算法应用于航空安全报告。提出用规则前后件约束的方法挖掘异常事件和事件原因之间的关联规则,不但限制冗余规则的生成,还进一步提高了挖掘的效率和精度。依据生成的频繁项集对引起航空事件的主要原因进行分析,总结了一些对提高民航安全水平有价值的决策信息。