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.  

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.  

循环ALCN-Tbox具有模型的条件

分析了带循环定义的描述逻辑系统ALCN的研究现状和存在的问题,研究了循环ALCN-Tbox具有模型的条件,指出了Baader文中命题2.9(LetTbe a terminology such that each cycle inGTcontains an even number ofnegative arcs.ThenTis monotone)的错误,并对该命题进行了修改,给出了循环ALCN-Tbox具有不动点模型(最小不动点模型和最大不动点模型)的条件.  

一种分布式动态描述逻辑

分析了目前描述逻辑（DL）的研究现状和存在的问题，特别是动态描述逻辑（DDL）作为语义Web逻辑基础所存在的问题．针对语义Web的特点和需求，对DDL进行了扩充，提出了一种新的描述逻辑，即分布式动态描述逻辑（D3L），给出了D3L的语法和语义，并研究了D3L的推理机制，提出了两种推理方法：直接推理和转化推理．与动态描述逻辑DDL相比，该D3L可以为语义Web提供更为合理的逻辑基础，弥补了DDL作为语义Web逻辑基础的不足．  

MSCOMM与API函数实现PLC串口通信比较

主要针对可编程控制器(PLC)在工业控制中应用需要,通过串口通信实现可编程控制器与PC(上位机)之间数据传输,在工业自动化控制中具有很重要意义.分别采用API函数和MSCOMM控件来实现串口通信,并且在实现时间以及执行效率上进行比较,通过比较可以清楚地了解两者的性能,从而可以根据不同的需求,选择不同的方法实现.  

计算机网络防御策略描述语言研究

定义了一种计算机网络防御策略描述语言CNDPSL(computer network defense policy specification language).该语言面向CNDPM模型,能够统一描述保护、检测和响应策略.在CNDPM模型中,给出了抽象策略细化为具体规则的推导原理,并以形式化的方法分析并验证了策略的完备性、一致性和有效性.CNDPSL是一种声明式语言,抽象了网络防御控制的行为,对网络防御需求具有较好的灵活性、可扩展性和适应性.最后给出了策略引擎的原型及其实现.在GTNetS仿真平台中的实验表明,该语言能够自动地转化为具体的技术规则并实现其表达的防御效能.  

具有QoS约束的语义Web服务发现的研究

传统的Web服务主要是基于UDDI的技术规范,只提供了按照简单分类和关键字的服务发现方法,造成查准率与查全率低,影响服务复用和服务组合的相容性.带有语义的Web服务通常也只关注服务功能性的匹配,因缺乏服务质量描述和灵活、有效的服务匹配方法,而难以保证服务的全面匹配和快速定位.本文分析了现有的一些相关研究,在Web服务模型的基础上,结合"逐渐逼近"的思想,提出一个三层次的匹配筛选算法,并对基本描述、IOPE、服务质量各层的匹配算法进行了深入讨论,用相似函数来度量服务提供方与服务请求方的Web服务相似程度,为Web服务发现提供了一种有效的方法.  

一种新的频繁项集精简表示方法及其挖掘算法的研究

频繁项集挖掘是数据挖掘研究领域的一个基本问题,其瓶颈在于频繁项集全集的结果过多,冗余现象严重.主要的解决思路是只挖掘全体频繁项集中有代表性的子集,使得这种子集或者可满足应用的需要或者可由它们导出其他项集.最大项集和闭项集便是这类解决方案中两种最典型的子集形式.在最大项集和闭项集的基础上,提出了元项集这一新的频繁项集精简表示方法.首先,证明了最大项集和闭项集都是元项集的特例,且元项集所包含的项集数目介于二者之间;其次,讨论了元项集的性质.最后,通过在闭项集挖掘算法DCI-Closed-Index的基础上引入剪枝策略,设计了一个元项集挖掘算法.实验结果表明,所提出的挖掘算法是有效的和高效的.  

基于改进PSO和DE的混合算法

研究粒子群优化(PSO)算法和差分进化(DE)算法的优缺点，通过改进PSO算法并与DE算法混合，得到一种双种群的新型混合全局优化算法。经过对5个标准测试函数的大量实验计算表明，该算法能有效克服PSO算法和DE算法的缺陷，使寻优精度有较大改进，在高维情况下表现更加突出。  

一种改进的k-means初始聚类中心选取算法

在传统的k-means聚类算法中，聚类结果会随着初始聚类中心点的不同而波动，针对这个缺点，提出一种优化初始聚类中心的算法。该算法通过计算每个数据对象的密度参数，然后选取k个处于高密度分布的点作为初始聚类中心。实验表明，在聚类类别数给定的情况下，通过用标准的UCI数据库进行实验比较，发现采用改进后方法选取的初始类中心的k-means算法比随机选取初始聚类中心算法有相对较高的准确率和稳定性。