基于角色的权限管理方法的改进与应用

针对传统的基于角色访问控制(role-based access control,RBAC)的权限管理方法所存在的权限表示不灵活和授权缺乏动态性的问题,引入角色方法和角色环境函数进行了改进:用户权限由角色方法与角色环境函数共同确定,角色方法实现了用户权限数据到映射规则的表示和由映射规则重新动态生成用户权限数据,角色环境函数则考虑了当前应用环境因素的影响而对角色的当前权限进行制约.改进后较好地解决了问题,并且在实际项目中得到了应用.  

查询扩展技术进展与展望

查询扩展技术是改善信息检索中查全率和查准率的关键技术之一,并成为近年来研究的热点.以查询扩展技术的发展为主线,将目前的研究方法归纳为三类:关键词查询扩展技术、查询词权重调整技术和语义概念查询扩展技术.对这三类扩展技术进行了整体性阐述和比较性研究,对一些关键性问题进行了探讨,并展望未来的发展趋势.  

基于描述逻辑的模糊ER模型

分析了描述逻辑ALNUI与ER模型的关系,特别是如何将ER模型转化为ALNUI的知识库,从而利用ALNUI的推理机制对ER模型进行自动推理的有效性,在此基础上,进一步研究了基于描述逻辑的模糊ER模型.针对模糊ER模型的特点和需求,在描述逻辑ALNUI的基础上,对描述逻辑ALNUI进行了模糊化推广,提出了一种新的描述逻辑,即模糊描述逻辑FALNUI.研究了基于FALNUI的模糊ER模型,即研究了如何将模糊ER模型转化为FALNUI的知识库,并利用FALNUI的推理机制研究了模糊ER模型的可满足性、冗余性和包含关系等自动推理问题,证明了这些推理问题的正确性.  

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解，将图像分解为低频部分和高频部分，然后选择合适的比例，削弱低频部分，减小低频部分在整个图像能量中所占的比例，相对增大高频部分的比例，再重构图像。对于重构的图像，在空域中使用区域局部能量大小判定的方法，对各幅图像中的目标进行判断，并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合，而且还可以应用于特性类似的医学图像的融合。实验结果表明，该方法可以提取出多聚焦图像中的清晰目标，生成的融合图像效果优于Laplacian塔型方法和小波变换方法。  

计算思维与计算机方法论

尽管计算思维与计算机方法论有着各自的研究内容与特色,但是,显而易见,它们的互补性很强,可以相互促进.比如,计算机方法论可以对计算思维研究方面取得的成果进行再研究和吸收,最终丰富计算机方法论的内容;反过来,计算思维能力的培养也可以通过计算机方法论的学习得到更大的提高.介绍了计算思维与计算机方法论存在的密切联系,以及以学科认知理论体系构建为核心的计算机方法论在中国的研究与应用.相对而言,计算思维的研究主要在国外,主要是在美国和英国,他们研究的重点放在计算思维的过程及其实质和特征上.此工作有助于人们对计算思维与计算机方法论的认识,以及对它们展开进一步地深入研究.  

HOUGH变换实时检测算法研究

对直线标准HOUGH变换（HT）和改进的直线HT两种算法的映射策略和时、空指标进行了分析。在此基础上提出了一种采用“多对一”策略的圆检测HT新算法，与圆检测的标准算法比较，该算法有更好的时空指标、实验结果证明了新算法的有效性。  

一种基于实体行为风险评估的信任模型

信任是人们在各种交易活动中的一个基本要素,其与风险密切相关,并成为系统安全决策的两个关键因素.现有的信任研究大多将风险看作信任的一种补充,甚至忽略了风险的影响,这将导致系统安全决策的片面性和主观性.针对该问题,文中提出了一种基于实体行为风险评估的信任模型.该模型通过对系统的资产识别、脆弱性识别和威胁识别.建立了用于实体行为特征匹配的规则,提出一种加权复合函数计算实体行为中潜在的风险,并给出一种基于风险的实体信任计算方法.应用实例及测试结果表明该模型能够有效地识别实体行为中潜在的风险,并随着实体行为的变化正确地计算出实体风险与信任的变化,为系统安全决策提供了客观、可靠的信息支持.  

计算思维与计算机导论

计算思维是目前国际计算机界广为关注的一个重要概念.2008年6月,ACM提交的报告(草案)将"计算思维"与"计算机导论"课程绑定在一起,明确要求"计算机导论"课程讲授计算思维的本质.根据ACM的要求,分别介绍了以"计算思维"和"学科思想与方法"为基础的两类"计算机导论"课程,给出了两类"计算机导论"课程的讲授提纲,指出了它们的不同点以及课程讲授本质上的一致性.最后认为,两类课程各有所长,值得相互吸收和借鉴,同时,也有助于以"计算思维能力"培养为核心的"计算机导论"课程的教学改革,并为计算学科其他课程的教学提供一种可以借鉴的改革模式.  

Nonlinear one-step-ahead control using neural networks: Control strategy and stability design

A nonlinear one-step-ahead control strategy based on a neural network model is proposed for nonlinear SISO processes. The neural network used for controller design is a feedforward network with external recurrent terms. The training of the neural network model is implemented by using a recursive least-squares (RLS)-based algorithm. Considering the case of the nonlinear processes with time delay, the extension of the mentioned neural control scheme to d-step-ahead predictive neural control is proposed to compensate the influence of the time-delay. Then the stability analysis of the neural-network-based one-step-ahead control system is presented based on Lyapunov theory. From the stability investigation, the stability condition for the neural control system is obtained. The method is illustrated with some simulated examples, including the control of a continuous stirred tank reactor (CSTR).  

基于矩阵加权关联规则挖掘的伪相关反馈查询扩展

提出一种面向查询扩展的矩阵加权关联规则挖掘算法,给出与其相关的定理及其证明过程.该算法采用4种剪枝策略,挖掘效率得到极大提高.实验结果表明,其挖掘时间比原来的平均时间减少87.84%.针对现有查询扩展的缺陷,将矩阵加权关联规则挖掘技术应用于查询扩展,提出新的查询扩展模型和更合理的扩展词权重计算方法.在此基础上提出一种伪相关反馈查询扩展算法——基于矩阵加权关联规则挖掘的伪相关反馈查询扩展算法,该算法能够自动地从前列n 篇初检文档中挖掘与原查询相关的矩阵加权关联规则,构建规则库,从中提取与原查询相关的扩展词,实现查询扩展.实验结果表明,该算法的检索性能确实得到了很好的改善.与现有查询扩展算法相比,在相同的查全率水平级下,其平均查准率有了明显的提高.