基于"要素不公平"贡献度关联算法的系统结构分析

针对当前系统结构分析主观因素参与环节过多、计算过程相对复杂等问题,提出并设计"要素不公平"贡献度关联算法,得到要素对属性、属性对属性的模糊关系矩阵,继而获得属性、要素对系统的贡献度以及属性、要素的关联度,由此可以分析属性、要素对系统的影响程度及它们之间联系的紧密程度.算例分析表明:该算法主观因素干扰少,操作简单,更好地体现"要素不公平"贡献程度等特征,具有一定的合理性和有效性.     

基于面板数据的灰色四面体网格关联分析模型及应用

针对现有面板数据关联分析模型中指标的排列顺序变换引起灰色关联序不一致以及面板数据三角曲面构造的不足,提出一种基于面板数据的灰色四面体网格关联分析模型.首先,基于数列的组合原理将样本矩阵分解为二元指标子矩阵;其次,将二元指标子矩阵投射为空间四面体网格,并给出四面体的有向体积;然后,基于有向体积构造二元指标的关联系数,最终得到灰色四面体网格关联分析模型,并对模型的对称性、规范性、平移不变性等性质进行证明;最后,将模型应用到山东省沿海城市的空气质量评价,验证模型的合理性和有效性,并分析了灰色四面体网格关联分析模型不受指标排列顺序变化的影响.     

双层属性网络及其推理

人脑是对客观世界的反映,研究人脑必须先建立起能反映客观世界的数学模型。文章为此在属性神经网络和行为属性理论的基础上建立双层属性网络模型,将属性存储与关系存储分开,以属性环形式组织数据。并给出了它的学习方法,方便实现互动式学习方式。引入多线程技术,实现了网络自动推理。     

拒绝服务攻击Smurf的特征属性关联分析

Smurf是拒绝服务攻击攻击中较为常见的攻击类型,抽取KDDCup数据集的拒绝服务攻击Smurf类型,运用Weka对特征属性进行分析,挖掘结果显示具有特定特征属性的网络受到Smurf攻击.     

基于灰关联分析的连续值属性约减算法

针对目前大多数属性约减算法只能用于离散值决策表的情况,将条件属性与决策属性的关联度作为属性约减的重要性测度,同时基于条件属性间的关联度和重要度定义了条件属性的重叠性测度,据此对条件属性进行去重叠化处理,提出了一种基于灰关联分析的连续值属性约减算法CARAG,实现了对连续值属性集的约减,并在仿真实验中对算法的可行性和有效性进行了对比验证。     

基于属性关联的关系数据库推理审计方法

传统的审计方法解决了一般的推理审计问题,但是在审计的中间阶段没有考虑依赖关系中数据的可用性,从而会产生较多的冗余审计。该文针对多级安全数据库的推理审计问题提出了一种采用基于属性关联的方法,解决了基于FD的推理审计问题,并且解决了在审计中间阶段造成的数据冗余问题,通过进行优化提高了效率。     

基于灰关联分析的连续值属性约减算法

针对目前大多数属性约减算法只能用于离散值决策表的情况,将条件属性与决策属性的关联度作为属性约减的重要性测度,同时基于条件属性间的关联度和重要度定义了条件属性的重叠性测度,据此对条件属性进行去重叠化处理,提出了一种基于灰关联分析的连续值属性约减算法CARAG,实现了对连续值属性集的约减,并在仿真实验中对算法的可行性和有效性进行了对比验证。     

基于属性关联的数据库推理控制

数据库推理控制问题是数据库安全研究的重要组成部分．采用属性统一的描述敏感信息，通过属性间的关联关系刻画了对敏感信息进行推理的一般过程．研究了推理通道的检测方法和两阶段的推理控制策略．提出了一种通用的基于属性关联的有效和完备的推理控制方法．并给出了相应算法．     

面向目标属性的犯罪行为关联分析

犯罪行为是刑事案件构成要素的核心,运用关联规则挖掘技术可以发现刑事案件数据中各属性的关联,从而对犯罪行为的相关因素进行分析。文章提出了一种基于SQL语言的面向案件数据中目标属性的多维关联规则挖掘算法,可以避免数据开采关联模型中查找规则的盲目性和冗余性,得出的结果可辅助公安机关进行犯罪信息研判。     

基于属性变化的增量关联规则挖掘

关联规则的挖掘是数据挖掘研究中的一个重要课题,目前已经提出了许多用于发现海量事务库中关联规则的算法以及更新已经发现的关联规则的算法。但是在关联规则的更新算法中,都是基于支持度变化和事务库变化的研究,目前没有人研究当事务库中的属性发生变化时,如何高效地更新关联规则的问题。针对这种情况,提出了三种基于属性变化的增量关联规则挖掘算法ACA+（Attribute Change Algorithm）和ACA-（ACA1-）,从而解决了该问题。     

基于属性度的属性排序算法

形式概念分析是一种从形式背景进行数据分析和规则提取的强有力工具。属性拓扑作为一种新型的形式背景表示方法,直观地描述了属性之间的关联。利用属性拓扑可以更方便直观地计算形式概念和概念格。经过对现有属性拓扑的算法与流程的研究,分析了现有属性排序算法的特异性和层次局限性,通过结合度的概念,提出了一种属性衡量的新方式--属性度,并提出了基于属性度的属性排序算法。这种排序算法得到的结果更加灵活,消除了属性排序的层次局限性,对父属性的查找有明显的优势,为基于属性拓扑中的属性排序方法提供了指引方向。     

基于属性的用户-角色委派模型可达性分析

针对传统基于角色的访问控制(RBAC)管理模型难以表达多样化策略的问题,提出了基于属性的用户-角色委派（ABURA）模型,采用属性作为用户-角色委派的先决条件,丰富了RBAC管理策略的语义。用户-角色可达性分析是验证分布式系统中授权管理策略正确性的重要机制,定义了ABURA模型的用户-角色可达性分析问题,通过分析ABURA模型状态转换特点给出策略约减定理,设计了可达性分析算法,并通过实例对算法进行了验证。     

基于流形学习的局部保持PCA算法在故障检测中的应用

提出一种新的基于流形学习的数据降维及特征提取方法:局部保持 PCA 算法(LPPCA).通过在 PCA 的优化目标中融入流形学习的思想,不仅使投影得到的低维空间和原始样本空间具有相似的全局结构,并且保持了相似的局部近邻结构,克服了传统 PCA 方法只关注全局结构特征而忽略局部流形特征的缺陷,同时给出了 LPPCA 在故障检测中的应用方法. S-Curve 和 Swiss-roll 曲面数值仿真和 TE 过程仿真验证了算法的有效性和优越性.     

不完备信息系统的一种权重确定方法

深入分析了粗糙集表征的属性重要度,针对现有粗糙集理论的属性权重确立方法的不足,结合属性集中条件属性的整体重要度和系统中条件属性的个体重要度,提出了在不完备信息系统的一种权重确定方法,分析了其合理性。通过算例分析表明,新的不完备信息系统的权重确定方法可以解决原有粗糙集权重确定方法存在的问题。     

基于数据库系统的决策表核与属性约简算法

给出一种简单的代数核判断方法,它将比较两个正区域是否相等简化为比较它们的基数是否相等,从而简化了计算过程,得到一种基于数据库系统求决策表核属性的新算法。由于所有条件属性集已是一个代数协调集,采用自顶而下逐步删除可约属性的策略,提出一种基于数据库系统求代数约简的算法。理论分析和实验结果表明,该方法面对大数据集具有更高的效率。     

区间值信息系统的决策属性约简

借助于属性区间值的相似程度在区间值信息系统上定义了一种具有变精度的相容关系,讨论了在这种相容关系下决策区间值信息系统的决策属性约简与决策属性相对约简,并得到了求决策属性约简与决策属性相对约简的具体操作方法。     

一种实域粗糙集模型及属性约简方法

通过对实域区间和决策值的重新划分,对已经存在的属性广义重要度度量准则进行了扩展,构建了对象空间上的广义邻域关系及广义邻域关系下的实域粗糙集模型,并在此基础上提出了实域决策系统中属性约简方法(ARRDDS).对不同数据集的实验测试结果表明,与其他相关方法相比,ARRDDS方法能够较好地处理决策表中实数域属性约简问题.     

融合结构与属性相似性的加权图聚集算法

图聚集技术是将一个大规模图用简洁的小规模图来表示,同时保留原始图的结构和属性信息的技术。现有算法未同时考虑节点的属性信息与边的权重信息,导致图聚集后与原始图存在较大差异。因此,提出一种同时考虑节点属性信息与边权重信息的图聚集算法,使得聚集图既保留了节点属性相似度又保留了边权重信息。该算法首先定义了闭邻域结构相似度,通过一种剪枝策略来计算节点之间的结构相似度;其次使用最小哈希(MinHash)技术计算节点之间的属性相似度,并调节结构相似与属性相似所占的比例;最后,根据2方面相似度的大小对加权图进行聚集。实验表明了该算法可行且有效。     

可应用于分布式系统的多授权中心基于属性的签名

在多授权中心基于属性的加密方案的基础上, 提出了可应用于分布式系统的多授权中心基于属性的签名方案。与传统的单授权中心方案相比, 本方案允许多个授权中心相互独立地管理属性且分配对应的属性私钥, 用户中心只管理用户而不需要监督各用户属性的授权, 即由各属性授权中心负责验证用户是否合法授予指定的属性, 每一个属性只能被一个属性授权中心管理。本方案具有高效的签名流程, 在签名的整个流程中只需要很少量的配对, 而且具有良好的灵活性, 在实际应用中具有较大的实用价值。