MIS系统数据库存储效率分析

数据库结构的好坏对数据库应用系统的效率有着重要的影响。系统初始运行时，数据库可能比较理想，但在运行一段时间后，由于插入、删除、修改操作，数据库的效率可能降低，需要重构数据库。本文中提出用分配空间占用率（Ｒｕ），占用空间平均利用率（Ｒｔ），占用空间各块利用率（Ｒｂ）和最佳利用率（Ｒ）来判断一个ＯＲＡＣＬＢ数据库空间存储效率，以确定重构时机。同时介绍一种基于ＯＲＡＣＬＥＤＢＭＳ下实测上述度量的方法。     

一种结合云模型的文本分类方法

为了降低在传统的文本分类方法中自然语言的不确定性对分类效果的影响,提出了一种结合云模型的文本分类方法。该方法分别定义文本和类别的云模型,通过计算测试文本和每个类别的云相似度,根据最大相似度原则确定测试文本所属的类别。实验结果表明,与传统的K-NN算法相比,该方法在分类准确率等方面有所提高。     

基于兴趣度含正负项目的关联规则挖掘方法

项目的引入使得挖掘出的频繁项集成倍增加,同时生成的关联规则数量更加庞大,引入兴趣度来约束从频繁项 集中提取关联规则的数量。分析现有的兴趣度模型,从中选择了一种适合于含正负项目的关联规则挖掘的兴趣度方法,并且 提出了置信度的一个性质,描述了含正负项目的频繁项集挖掘关联规则的算法,并对矛盾关联规则进行了分析。实验结果表 明,该算法是有效和可行的。     

不平衡数据集上的文本分类特征选择新方法*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子。结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷。其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求。     

Linux下基于Netfilter个人内核防火墙的设计与实现

在涉及到很多基于Linux操作系统中小型后台业务系统中,根据各自不同的需求灵活开发基于个人的防火墙内核模块。在Linux操作系统下建立基于Netfilter架构的防火墙模型。在此架构下,只要具备Linux内核编程经验以及熟悉网络协议栈,就可以编写出属于个人的防火墙。     

Markov逻辑网及其在文本分类中的应用

介绍了Markov逻辑网的理论模型、学习算法和推理算法,并将其应用于中文文本分类中.实验结合了判别式训练的学习算法,MC-SAT、吉布斯抽样和模拟退火等推理算法,结果表明基于Markov逻辑网的分类方法能够取得比传统K邻近(KNN)分类算法更好的效果.     

IPv6下基于病毒过滤防火墙的设计与实现

包过滤防火墙无法检测出网络病毒,因此对其研究很有必要.设计的防火墙屏蔽了Linux自身的TCP/IP协议栈,重新构建了适合防火墙专用的TCP/IP协议栈,完成了防火墙上TCP协议的连接保持、数据包确认、文件传输等功能.防火墙主要考虑了HTTP协议下的文件过滤,使得内网主机在通过HTTP协议下栽文件时自动过滤病毒文件,保证内网主机的安全;防火墙以Linux可加栽内核模块形式实现,可以过滤链路层以上的各层;为提高病毒检测速度,提出了将病毒检测软件运行在核心态的方法.实验结果表明:设计的防火墙在性能和功能上都达到了预期目的.     

基于FP-Tree含正负项目的频繁项集挖掘算法

借鉴FP_growth算法中频繁模式树的思想,提出包含正负项目的频繁模式树的构造方法.通过对该频繁模式树进行模式扩展,可以挖掘出包含正负项目的频繁项集.该算法与直接使用FP_growth算法挖掘含负项目的频繁项集相比,无需对原始数据库进行负项目的扩展,也不用再构造并销毁额外的数据结构,只需在原始的频繁模式树上修改,在时间和空间的开销上都具有一定优势.实验表明,本文算法比现有的同类挖掘算法和直接FP_growth算法具有更好的效率.     

Linux实时化设计方法研究

为改进并提高Linux系统的响应时间,从而达到实时化的目的,本文分析Linux时钟系统在实时性方面存在的不足,研究时钟中断服务、多模式时钟中断以及精密的时钟系统.具体修改了原时钟系统,实现一个具有较高软实时性的Linux内核,重点实现一个与原时钟系统共存的精密时钟系统,提出采用双时钟系统提高Linux实时性,支持具有强实时(精度为微秒)的应用,仿真结果表明效果良好.     

新的文本分类特征选择方法研究

特征降维是文本分类过程中的一个重要环节。在现有特征选择方法的基础上,综合考虑特征词在正类和负类中的分布性质,综合四种衡量特征类别区分能力的指标,提出了一个新的特征选择方法,即综合比率(CR)方法。实验采用K-最近邻分类算法(KNN)来考查CR方法的有效性,实验结果表明该方法能够取得比现有特征选择方法更优的降维效果。