互联网用户行为分析系统的设计和实现

本文设计和实现了一种互联网用户行为分析系统,设计了系统的总体框架,系统由捕获模块、数据分析模块、数据图表生成模块和系统界面框架模块组成,并采用Java语言进行了编程实现,本系统产生的网络用户行为分析结果可以为互联网用户管理提供科学的依据。     

基于JSP的用户分组权限的设计和实现

基于Web的互联网应用呈爆发式地增长,导致需要更加合理地控制用户权限访问。本文介绍了一种Web应用中用户分组权限访问的方法和实现方案,设计了用户权限数据库及分组权限访问的程序流程,采用JSP技术实现了按用户分组及应用模块访问Web应用系统的软件代码方案。     

基于相对Hamming距离的Web聚类算法

针对Web使用挖掘中聚类结果准确性不高的问题,提出了一种改进的基于相对Hamming距离和类不一致度的聚类算法。该算法首先以Web站点的URL为行、以UserID为列建立关联矩阵,元素值为用户的访问次数;然后,对所建立关联矩阵的列向量或行向量进行相似性度量,获得相似客户群体或相关页面。实验表明,该算法具有较高的准确性。     

一种数据库服务多点容灾系统*

设计并实现了一种数据库服务多点容灾系统。该系统实时监控主数据库的数据变化,将监控到的数据变化在多个异地备用数据库上进行实时重放,保证备用数据库与主数据库的数据一致性。同时对主数据库进行失效检测,及时发现故障,并以较短的时间（秒级）完成数据库服务的漂移,确保服务连续性,提高数据库服务的容灾抗毁能力。     

基于决策规则质量的属性值约简算法

属性值约简是粗糙集理论的核心内容之一。该文将属性值约简和数据挖掘相结合,给出了支持度、置信度、覆盖度的定义。在此基础上,提出了一个新的属性值约简算法—基于决策规则质量的属性值约简算法。通过算法复杂度分析说明,该算法在一定程度上解决了属性值约简的NP难问题。实例仿真表明该算法在解决一些相关实际问题方面是可行的,具有一定的实用价值。     

基于小波支持向量机的混沌时序预测算法

研究混沌时间序列预测问题,混沌时间序列是一种特殊时间序列,具有高度非线性、混沌性和时变性,传统预测方法精度低。为了提高混沌时间序列预测的精度,提出一种采用小波支持向量机的混沌时间序列预测算法。首先采用相空重构对混沌时间序列进行重构,捕捉时间序列变化轨迹,然后采用小波支持向量机对非线性、混沌性变化规律进行预测,最后采用Lorenz混沌时间序列进行仿真。结果表明,相对于传统预测方法,小波支持向量机提高了混沌时间序列预测精度,降低预测误差,为混沌时间序列提供了一种有效的准确预测途径。     

使用控制访问模型的研究*

分析了现今高度动态和分布式环境下,传统的访问控制模型已不能满足信息访问的需要,并由此引出了下一代访问控制模型--使用控制模型(usage control,UCON).将UCON与传统访问控制模型进行了比较,分析了UCON的定义及组成成分,给出了UCON的16种基本核心模型形式化描述及应用实例,分析了UCON的具体实现框架,最后指出了目前研究的难点和需要解决的关键问题.     

例题37 用ASP实现Web页面的权限访问

本文用简单的程序思维提出了解决Web页面权限访问的方法，并提出了两种解决方案：一种使用客户端的Cookies保存用户名和密码；另外一种使用ASP的SESSION对象保存用户名和密码，两种方案都达到了保护Web页面安全的目的。     

一种基于免疫的监督式分类算法

人工免疫识别系统（AIRS）已被证实为一种高效的分类器,并成功应用于模式识别等领域。然而AJRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用。为克服这些缺陷,提出了一种基于免疫的监督式分类算法（AIUC）。AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类。就数据集I-ris、Ionosphere,、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5．6％、18％、19．6％和31％,分类准确率提高到98．2％、96．9％、78．3％和92．3％。该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域。     

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。