基于划分的模糊聚类算法

在众多聚类算法中，基于划分的模糊聚类算法是模式识剐中最常用的算法类型之一．至今，献中仍不断有关于基于划分的模糊聚类算法的研究成果出现．为了能更为系统和深入地了解这些聚类算法及其性质，本从改变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面，对在C-均值算法的基础上得到的基于划分的模糊聚类算法作了综述和评价，对各典型算法的优缺点进行了实验比较分析．指出标准FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性，而其他类似的算法对这种比例变化却很敏感．并以极大熵方法为例进行了比较实验．最后总结了基于划分的模糊聚类算法普遍存在的问题及其发展前景。  

基于谱图理论的流形学习算法

流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形．近年来基于谱图理论的学习算法受到研究者的广泛关注．介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望．  

入侵检测系统报警信息聚合与关联技术研究综述

报警的聚合与关联是入侵检测领域一个很重要的发展方向·阐述了研发报警聚合与关联系统的必要性通过对报警的聚合与关联可以实现的各项目标;重点讨论了现有的各种报警聚合与关联算法,并分析了各算法的特点;介绍了在开发入侵报警管理系统(IDAMS)中如何根据算法特点选择算法的原则;总结了现有聚合与关联系统的体系结构;简要介绍了IDMEF标准数据格式以及它在报警关联中的作用;最后,介绍了现有聚合与关联系统的发展现状,并提出了研发入侵报警聚合与关联系统所面临的重要技术问题和发展方向·  

基于近邻传播算法的半监督聚类

提出了一种基于近邻传播(affinity propagation,简称AP)算法的半监督聚类方法.AP是在数据点的相似度矩阵的基础上进行聚类.对于规模很大的数据集,AP算法是一种快速、有效的聚类方法,这是其他传统的聚类算法所不能及的,比如:K中心聚类算法.但是,对于一些聚类结构比较复杂的数据集,AP算法往往不能得到很好的聚类结果.使用已知的标签数据或者成对点约束对数据形成的相似度矩阵进行调整,进而达到提高AP算法的聚类性能.实验结果表明,该方法不仅提高了AP对复杂数据的聚类结果,而且在约束对数量较多时,该方法要优于相关比对算法.  

一种限定性的双层贝叶斯分类模型

朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率.  

高维数据流形的低维嵌入及嵌入维数研究

发现高维数据空间流形中有意义的低维嵌入是一个经典难题.Isomap是提出的一种有效的基于流形理论的非线性降维方法,它不仅能够揭示高维观察数据的内在结构,还能够发现潜在的低维参教空间.Isomap的理论基础是假设在高维数据空间和低维参数空间存在等距映射,但并没有进行证明.首先给出了高维数据的连续流形和低维参数空间之间的等距映射存在性证明,然后区分了嵌入空间维数、高维数据空间的固有维数和流形维数,并证明存在环状流形高维数据空间的参数空间维数小于嵌入空间维数.最后提出一种环状流形的发现算法,判断高维数据空间是否存在环状流形,进而估计其固有维教及潜在空间维数.在多姿态三维对象的实验中证明了算法的有效性,并得到正确的低维参数空间.  

低代价最短路径树的快速算法

低代价最短路径树是一种广泛使用的多播树.它能够在保证传送时延最小的同时尽量降低带宽消耗.在DDSP(destination-driven shortest path)算法的基础上,通过改进节点的搜索过程,提出了快速低代价最短路径树算法FLSPT(fast loW-coSt shortest path tree).该算法构造的最短路径树与DDSP算法构造的树具有相同的性能,但其时间复杂度低于DDSP算法.随机网络模型的仿真结果表明,FLSPT算法效率更高.  

基于模糊综合评判的入侵检测报警信息处理

提出一种基于模糊综合评判的方法来处理入侵检测系统的报警信息、关联报警事件，并引入有监督的确信度学习方法，通过确信度来对报警信息进行进一步的过滤．通过对这些技术手段的综合使用，力求降低误报率和重复报警，逐步减轻网络管理员的工作强度．这种模糊评判所实现的事件关联有助于发现入侵者的行为序列，为事件威胁分析和入侵响应决策打下了基础，并有利于将不同安全产品集成在一起，实现网络系统的立体防御．  

文本分类中基于基尼指数的特征选择算法研究

随着网络的发展，大量的文档数据涌现在网上，用于处理海量数据的自动文本分类技术变得越来越重要，自动文本分类已成为处理和组织大量文档数据的关键技术．对于采用矢量空间模型（VSM）的大多数分类器来说，文本预处理成为分类的瓶颈，高维的特征空间对于大多数分类器来说是难以忍受的，因此采用适当的文本特征选择算法降低原始文本特征空间的维数成为文本分类的首要任务．目前也有很多的文本特征选择算法，介绍了另一种新的基于基尼指数的文本特征选择算法，使用基尼指数原理进行了文本特征选择的研究，构造了基于基尼指数的适合于文本特征选择的特征选择评估函数．实验表明，基于基尼指数的文本特征选择能进一步提高分类性能，而且计算复杂度小．  

基于JSP的Web动态数据库交互技术的探讨

本文在基于JSP的Web动态数据库应用程序现有开发技术的基础上，提出了Web动态数据库交互编程的一种新思路，并在此基础上开发了一套行之有效的JavaBean生成工具。经过大量实践，表明该编程思路可以明显提高代码的重用程度和程序设计的效率。