基于支持向量机的入侵检测系统

目前的入侵检测系统存在着在先验知识较少的情况下推广能力差的问题.在入侵检测系统中应用支持向量机算法,使得入侵检测系统在小样本(先验知识少)的条件下仍然具有良好的推广能力.首先介绍入侵检测研究的发展概况和支持向量机的分类算法,接着提出了基于支持向量机的入侵检测模型,然后以系统调用执行迹(system call trace)这类常用的入侵检测数据为例,详细讨论了该模型的工作过程,最后将计算机仿真结果与其他检测方法进行了比较.通过实验和比较发现,基于支持向量机的入侵检测系统不但所需要的先验知识远远小于其他方法,而且当检测性能相同时,该系统的训练时间将会缩短.  

进化多目标优化算法研究

进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研究热点之一.在简要总结2003年以前的主要算法后,着重对进化多目标优化的最新进展进行了详细讨论.归纳出当前多目标优化的研究趋势,一方面,粒子群优化、人工免疫系统、分布估计算法等越来越多的进化范例被引入多目标优化领域,一些新颖的受自然系统启发的多目标优化算法相继提出;另一方面,为了更有效的求解高维多目标优化问题,一些区别于传统Pareto占优的新型占优机制相继涌现;同时,对多目标优化问题本身性质的研究也在逐步深入.对公认的代表性算法进行了实验对比.最后,对进化多目标优化的进一步发展提出了自己的看法.  

一种新型非线性PID控制器

将非线性函数与简单的PID控制器相级联，构成一种新型的非线性PID控制器，以提高现有PID控制器的性能，新型PID控制器的设计过程十分简单，只要适当构造非线性函数，并与原PID控制器级联起来便可实现，数值仿真结果表明，所提出的PID控制器比简单的PID控制器具有更好的动静态性能。  

基于直觉模糊逻辑的近似推理方法

针对直觉模糊逻辑及命题演算，提出了利用隶属度和犹豫度计算直觉模糊逻辑命题真值的合成方法．给出了直觉模糊逻辑命题的运算规则，重点研究了基于直觉模糊逻辑的近似推理方法．该方法包括直觉模糊取式推理，直觉模糊拒武推理及直觉模糊假官推理．井推导了相关的推理合成运算公式．以具体算例验证和表明了所提出的推导方法的正确性和有效性，以及对方法进行验证的详细步骤．  

基于DSA及RSA的证实数字签名方案

提出了一种证实数字签名方案.该方案采用了Camenisch-Michels给出的证实数字签名的模型,首次将数字签名专用算法DSA和著名的RSA公钥加密方案用于证实数字签名方案中,并首次使用了否认零知识证明的新方法.该方案可应用于电子合同的公平签署.  

直觉模糊逻辑的语义算子研究

首先引用Atanassov直觉模糊集的基本概念和运算。在阐明直觉模糊集的集中、扩张、归一化算子之后，新定义了强化算子。通过考察Atanassov直觉模糊集与Zadeh模糊集之间的关系，给出了直觉模糊语言、结构化直觉模糊语言和直觉模糊语义的数学描述，重点对基于直觉模糊集和直觉模糊关系的模糊语言的语义算子，如语气算子、模糊化算子、判定化算子及连接与否定算子等进行了研究，并举例阐明其应用，使直觉模糊逻辑的语义算子得到进一步的拓广。  

数据库安全技术研究*

对过去30多年来的数据库安全技术的研究进行了总结，并在此基础上设计出了一种安全级别至少为B1的安全数据库体系结构，展望了数据库安全研究的方向。  

粒子滤波进展与展望

粒子滤波器是基于序贯M onte Carlo仿真方法的非线性滤波算法,本文对粒子滤波器的研究现状和研究进展做了综述,详细论述了粒子滤波原理、收敛性、应用及进展.首先在Bayes框架内分析了序贯重要性采样原理,重要性分布函数的选择,以及重采样方法,总结了粒子滤波器发展过程中的各种改进策略和新变种,讨论了粒子滤波器在各个领域的应用及进展,最后介绍了粒子方法的新发展,新动态,并对未来发展方向做了进一步的展望.  

密度敏感的半监督谱聚类

聚类通常被认为是一种无监督的数据分析方法,然而在实际问题中可以很容易地获得有限的样本先验信息,如样本的成对限制信息.大量研究表明,在聚类搜索过程中充分利用先验信息会显著提高聚类算法的性能.首先分析了在聚类过程中仅利用成对限制信息存在的不足,尝试探索数据集本身固有的先验信息--空间一致性先验信息,并提出利用这类先验信息的具体方法.接着,将两类先验信息同时引入经典的谱聚类算法中,提出一种密度敏感的半监督谱聚类算法(density-sensitive semi-supervised spectral clustering algorithm,简称DS-SSC).两类先验信息在指导聚类搜索的过程中能够起到相辅相成的作用,这使得DS-SSC算法相对于仅利用成对限制信息的聚类算法在聚类性能上有了显著的提高.在UCI基准数据集、USPS手写体数字集以及TREC的文本数据集上的实验结果验证了这一点.  

粒计算研究综述

粒计算（granular computing）是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法．它覆盖了所有有关粒度的理论、方法和技术，是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具．首先回顾了粒计算研究和发展状况，介绍了粒计算的基本组成和问题，综述了粒计算的基本模型和方法，并讨论了它们之间的相互关系，最后探讨了构建统一的粒计算模型、复杂问题空间的粒化、粒层之问的转换、高效的粒计算方法、新的粒计算模型、动态粒计算模型、自主粒计算模型、粒计算方法的模糊化以及粒计算模型的应用和推广等几个方面的关键问题．