一种基于RBAC的UCON管理模型

UCON模型作为新一代的访问控制模型,能够通过可变属性对使用实现连续控制,可满足当前开放的网络环境需求。但UCON模型仍存在一些缺陷:不能实现对权限的管理、对权限的委托和对属性来源的管理。为此,在UCON模型的基础上引入角色元素并把角色分为提供者角色和消费者角色,然后把权限分为直接使用权限和需要授权权限,以实现对UCON模型中权限的管理和权限的委托,并通过提供者角色对可变属性的来源进行管理,使UOCN对权限管理更加灵活,属性来源更加可信,从而使UCON的应用范围更加广泛。     

一种新的基于二进制分辨矩阵的属性约简方法

对基于二进制分辨矩阵的属性约简算法进行深入研究,分析对比几种典型的属性约简算法的性能。在此基础上提出一种基于二进制分辨矩阵的启发式算法。该算法以矩阵的行与列两个方向的特征作为度量属性重要性的依据,更有可能获得决策表的一个最优约简。实验结果表明,该算法有效地提高了约简性能和识别率。     

属性Petri网建模及其应用

从哲学上事物的质-量互变规律出发，定性映射是以感觉特征抽取为依托而建立的脑思维数学模型。该文提出了基于定性映射模型的诊断系统的建模工具(属性Petri网的基本模型)，给出了形式化定义和基本运行机制，分析了基于属性Petri网的诊断推理算法及实例，该模型在以定性判断为特点的诊断系统中，能得到较好的应用。     

面向MC的客户群体倾向模型

面向大规模定制生产，建立了客户倾向模型，通过关联分析法量化市场调研和客户需求，采用最大树模糊聚类法进行基于属性重要度的客户群体划分和市场细分，获取客户群体消费倾向，为客户需求的工程特征转换、进行产品簇规划提供数学准备和数据支持。     

基于属性分类的分布式大数据隐私保护加密控制模型设计

在分布式大数据的存储和传输过程中,数据极易被恶意用户攻击,造成数据的泄露和丢失。为提高分布式大数据的存储和传输安全性,设计了基于属性分类的分布式大数据隐私保护加密控制模型。挖掘用户隐私数据,以分布式结构存储。根据分布式隐私数据特征,判断数据的属性类型。利用Logistic混沌映射,迭代生成数据隐私保护密钥,通过匿名化、混沌映射、同态加密等步骤,实现对隐私数据的加密处理。利用属性分类技术,控制隐私保护数据访问进程,在传输协议的约束下,实现分布式大数据隐私保护加密控制。实验结果表明,设计模型的明文和密文相似度较低,访问撤销控制准确率高达98.9%,在有、无攻击工况下,隐私数据损失量较少,具有较好的加密、控制性能和隐私保护效果,有效降低了隐私数据的泄露风险,提高了分布式大数据的存储和传输安全性。     

基于距离比值尺度的模糊粗糙集属性约简

属性约简能有效地去除不必要属性,提高分类器的性能。模糊粗糙集是处理不确定信息的重要范式,能有效地应用于属性约简。在模糊粗糙集中,样本分布的不确定性会影响对象的近似集,进而影响有效属性约简的获取。为有效地定义近似集,文中提出了基于距离比值尺度的模糊粗糙集,该模型引入了基于距离比值尺度的样本集的定义,通过对距离比值尺度的控制,避免了样本分布不确定性对近似集的影响;给出了该模型的基本性质,定义了新的依赖度函数,进而设计了属性约简算法;以SVM,NaiveBayes和J48作为测试分类器,在UCI数据集上评测所提算法的性能。实验结果表明,所提出的属性约简算法能够有效获取约简并提高分类的精度。     

数据科学与大数据专业教学质量评价方法

本文首先介绍了粗糙集理论的相关知识,其中重点介绍了属性约简的应用。根据高等学校教学质量评价的多个指标体系,综合对比分析,利用已有的理论模型构建相对应的数据表,即形成了关于新设专业教学质量评价的知识表。其次,利用算法删除多余的评价指标后,得到关于专业教学质量评价的具体指标。最后在此基础上,对得到的具体评价指标进行分析后,提出了改善教学质量的初步措施。     

面向空间应用的数据对象存储与检索系统研究

针对当前标准对象存储系统的数据对象属性存储和检索方面的不足,结合空间应用数据对象特点,进行了对象属性设计,提出了一种基于HBase数据库的属性管理方法。该方法利用HBase数据库对数据对象及其属性进行集中管理,同时采用分段散列索引实现利用对象属性快速检索对象数据。测试结果表明,基于HBase数据库对象管理方法性能优于现有的属性管理方法,具有较高的对象属性检索效率。     

运用信息增益和不一致度进行填补的属性约简算法

针对不完备、不一致性数据的属性约简是数据挖掘研究的一个重要内容。将信息增益,不一致度相结合,提出一种面向不完备不一致性数据的属性约简算法。首先,介绍了信息增益,定义了不一致度的概念与算法公式,并给出了基于二者对数据进行填补的方法;然后,基于该填补方法,以最大不一致度条件下的信息增益为权值,以不一致度为属性约简的启发信息,给出属性约简算法;最后,通过实验证明了所提算法的有效性。     

基于词共现图的属性知识库迭代自增式扩展算法

属性知识库扩展研究中已有的开放式信息抽取方法都十分依赖深度句法分析或有效的词典规则,在短文本处理上效果较差,召回率较低.文中提出基于词共现图的属性知识库迭代自增式扩展算法,利用属性与属性值的共现关系扩展知识库,并设计基于图的社区发现算法,找出社区的核心节点.最后,设计基于卷积神经网络的模型对抽取结果进行去噪.在两个真实数据集上的实验表明,文中方法在抽取质量上优于现有方法.