广义Julia集的非线性复映射族生成模拟*

研究了非线性复动力系统生成广义Julia集的空间分形可视化问题.首先,对于复迭代映射族z←F(zw)+c(w=α+βi)(其中F(zw)为任一复变多项式),定义适当的数据结构存储相关信息;然后,分别基于牛顿迭代、逃逸时间和陷阱分形三种算法的基本思想,并结合色彩学原理,提出计算机模拟非线性复映射族生成一类广义Julia集...     

基于先验位运算的频繁项集挖掘

为提高频繁项集的产生效率,提出一种在垂直数据表示下,基于先验位运算的频繁项集挖掘算法(A-FIMBII)。该算法建立从项集合到事务的索引,利用先验性质减少候选集的产生,通过位运算计算支持度。与Apriori、Eclat算法进行了比较,实验表明,A-FIMBII具有更高的效率。     

基于速度增长的微博热点话题发现

在微博热点话题发现中, 由于微博文本短、词量少、用词不规范等特征, 使得传统的热点话题检测方法力不从心。针对这一问题, 提出了基于速度增长的微博热点话题发现方法。首先把经过预处理的微博按等数量窗口划分, 统计每个窗口内各词语的词频, 并表示成时间二元组序列; 然后通过计算每相邻两个窗口的个词语的增长斜率来发现增长速度快的词语; 再通过计算与该词语有关的用户的增长速度和微博条数的增长速度来确定该词语是否是热点主题词; 最后通过热点主题词聚类产生热点话题。通过实验验证了该方法的可行性。实验结果表明, 该方法在一定程度上提高了检测效率, 降低了漏检率和误检率, 可以有效地及时发现微博热点话题。     

MIKAD：一种多兴趣聚类的P2P网络模型*

为降低P2P网络中数据检索的路由跳数,提高路由效率,提出一种多兴趣聚类的P2P网络模型MIKAD（multi-interest clustering KAD）。该模型通过文档聚类算法维护节点兴趣,将结构化网络Kademlia与兴趣聚类相结合,使兴趣相似节点在逻辑上位于邻居位置,提高了P2P网络中路由的效率。同时利用关键词的同义词特性,降低了网络的复杂度,提高了检索的精度。最后使用PeerSim模拟器对模型进行了实验测试,结果表明,随着节点及数据增多,该模型具有较好的查询效率。     

基于核密度估计的基本概率指派生成方法

D-S合成方法作用的对象是基本概率指派（basic probability assign,BPA）,如何生成BPA是D-S理论应用中重要且有待解决的首要步骤。针对生成BPA提出一种基于核密度估计KDE（kernel density estimation）的BPA生成方法：训练数据用于构建基于最优化窗宽的核密度估计的数据属性模型;然后利用训练数据的核密度模型计算测试数据的密度—距离—分布值Tri-D（density-distance-distribution）,通过嵌套式的方法分配Tri-D值获取测试数据对应的BPA;最后D-S合成BPA得到最终判断,通过分类准确率来判断BPA生成方法的有效性。实验通过在UCI数据集上与其他方法的分类准确率对比验证了提出方法的有效性。     

基于层次分析法的广义M-J集颜色特征向量描述

针对广义M-J集,提出一种基于层次分析法的颜色特征向量描述。在对广义M-J集颜色特征描述的过程中,利用层次分析法原理,只需两两比较不同颜色特征的表示方法来描述目标图像颜色的重要性,方法简单,可以避免原始方法中因为人的主观性、随意性而带来的不一致、不统一的现象。实验结果表明,该描述方法相对单一方法更有效。     

支持向量回归参数调节及应用研究

为有效解决支持向量回归中的参数选择问题,提出了一种新算法——AGA-SVR.在该算法中,通过适时增加染色体变异的概率来提高染色体的多样性,克服了标准遗传算法存在个体容易早熟的缺陷,从而增加学习到全局最优的几率.通过将AGA-SVR应用于上证开盘指数预测,结果验证了该算法优于标准遗传算法及经典梯度下降算法.     

结合信任的Web Services属性访问控制模型

针对目前Web Services访问控制模型中存在访问控制粒度较粗、授权不灵活及请求者的行为可信性不固定等缺点,设计了一种新的WebServices属性访问控制模型,并在该模型中引入一种改进的信任评估算法。该算法用来衡量WebServices请求者的信任值,提出了一种结合信任的Web Services属性访问控制模型——T-WSAACM(web services attribute access controlmodel combined with trust)。模型及算法分析结果表明,该模型不仅有效地阻止了不可信的Web资源请求者,使得Web Services的安全性得到进一步增强和保障,而且可以依据Web Services请求者不同的信任等级授予强弱级别的权限,这种灵活的权限授予机制更能满足实际的需求。     

支持建筑墙体造型创新设计的方法研究*

进一步研究了建筑墙体造型的自动化设计,提出了建筑墙体设计的新方法,该方法通过线性不等式围成的凸空间来定义墙体设计的初始元,限制初始元所在的空间为以坐标原点为中心的一定大小的包围盒,并定义这些初始元的空间关系。鉴于建筑墙的特殊性,空间关系限制为相交关系,这里的相交包含相接。对空间关系的定义采取两种方式,一是由用户来手动设置,二是由计算机随机设置,采用向量空间定位法来判断空间关系的有效性。如果空间关系有效,则迭代执行两个形状衍生规则,计算得到不同的造型,空间关系不同衍生代数不同得到的造型也就不同。该方法实现了建筑墙体设计的自动化和智能化,从而达到了辅助设计的目的     

应用于入侵取证的改进信息增益算法

基于信息增益算法的特征选择虽然能够较好地解决入侵取证中存在的数据高维海量问题,但由于没有考虑特征之间的关系,导致特征子集中存在着冗余特征,从而影响了入侵取证的速度和精度,由此提出一种改进的基于特征冗余度的信息增益算法。通过添加对特征之间冗余度的判断,在删除无关特征的同时过滤了冗余特征,使特征子集得到有效精简。经实验验证,该算法能有效地选择特征向量,保证检测精度,提高检测速度。