一种基于汉字笔顺特征的关键词变体匹配方法

近年来,垃圾短消息呈现出包含大量拆分字、形近字现象,这种短消息可以绕过监控系统的关键词审查。由于拆分字、形近字数量众多、变化灵活,将其加入关键词库将使得关键词库冗余。对此,本文提出了一种基于汉字笔顺特征的关键词变体匹配方法,基于汉字笔顺特征,首先合并垃圾短消息中的拆分字,然后通过建立索引查找短消息中包含的疑似关键词,最后提出了“金字塔匹配法”匹配关键词。本文提出的方法有效降低了关键词库的冗余度,提高了关键词匹配效率。     

基于遗传算法的准确分类规则知识发现

针对传统算法处理数据分类问题计算量大，易陷入局部最优解的缺陷，本文结合遗传算法的全局搜索特性，给出了基于遗传算法的准确分类规则知识发现方法。首先分析了用遗传算法进行分类规则挖掘的关键技术，给出个体编码、适应度函数的设计、遗传操作算子的设计；然后从理论上详细阐述了遗传算法的准确分类规则挖掘的方法；最后开发了基于JBuilder2006平台的仿真程序，从标准数据库中发现了准确的分类规则，实验结果验证了算法的有效性。     

基于模糊匹配的作战规则应用方法

针对侦察数据与作战规则库中规则条件进行有效匹配的现实需求,提出了一种实用性较强的模糊匹配算法。首先,分析了作战规则的描述形式,研究了应用作战规则的典型过程;其次,结合实际问题的特征,提出了应用区间估计的方法计算侦察数值与既定数值的贴近度;然后,参考所设贴近度阈值,应用绝对值差积法计算了侦察数据与规则库中各规则条件的匹配度,并依据匹配度最大最优原则实现了侦察数据与规则库中规则条件的有效匹配;最后,通过算例验证了该方法的有效性,为后续相关工作的开展提供了借鉴。     

基于蚁群算法的分类规则问题

在分类规则学习的领域中,许多问题都可以看作是优化问题,它们既可以用经典的分类规则算法进行求解,也可以用蚁群算法中的蚂蚁矿工算法来解决.利用蚁群算法中的自适应,并行分布式处理等特性可在整个分类规则学习中寻找到最优解,通过对一个分类规则问题实例的计算,表明该方法也是解决此类问题的一种有效途径.     

关联规则挖掘与分类规则挖掘的区别和联系

关联规则挖掘与分类规则挖掘是数据挖掘领域中的重要技术。文中首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法及算法的设计思想等几个方面进行比较,最后介绍了它们之间的联系。     

基于改进的群搜索算法求解分类规则

本文阐述了求解分类规则的改进群搜索算法,该算法是基于群搜索算法实现的。群搜索算法是一种新的群体智能优化算法,适宜求解多模态高维问题。对群搜索算法进行了简单的改进,加入了对算法中个体位置的边界值限制,以提高收敛速度。通过实验表明,此算法在求解分类规则中取得了良好的实验结果。     

基于粗集理论的中文关键词短语构成规则挖掘

短语比词信息量更加丰富,更能够体现原文的主题,通常所说的关键词实际上多数为短语形式.然而目前的问题是关键词短语的自动标引缺乏统一的规则指导.本文利用粗集理论在数据泛化和知识约简方面的优势,对人工标注的人民日报关键词短语语料进行了挖掘,从而得到了中文关键词短语的若干构成规则.规则可以用于自动关键词抽取,也可以对手工关键词标引进行指导.实验结果表明获取的规则使关键词自动抽取的性能有较大改善.     

一种硬件规则匹配算法的研究与实现

网络的高速发展给人们的生活带来了便利,但网络入侵等非法应用妨碍了互联网的正常使用,高效的规则处理系统可以保护网络免受攻击。文中针对当前各种规则匹配算法处理速度慢,无法满足高速网安全应用的需求,提出了一种基于硬件的规则匹配算法。该算法通过向量运算完成规则匹配,并使用硬件并行处理,大大提高了规则匹配的匹配速度。设计并实现了一个基于该算法的硬件匹配单元,并通过实验验证该算法完全可以满足高速网络中入侵检测等数据处理要求。     

基于AdaBoost的改进模糊分类规则集成学习

基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练实例的分布,使得模糊分类规则在产生阶段就考虑相互之间的协作,产生具有互补性的分类规则集。从而改善了模糊分类规则的整体识别能力,提高了分类识别精度。     

一种基于TCAM的双循环多匹配包分类引擎设计

一般来说,传统的包分类引擎只能够找到一个给定数据包的最优匹配。然而,越来越多的新兴的网络业务都需要得到所有的匹配结果。文中介绍了一种基于TCAM的有效的多匹配分类引擎,仅用两次TCAM查表循环便能得到所有的匹配结果。     

基于混合神经网络模型的企业行业分类

针对人工行业分类效率低下、准确性不高等问题,提出一种基于混合神经网络的行业分类模型。该分类模型采用RoBERTa预训练语言模型对企业经营范围文本特征进行提取,构建基于GRU的候选集生成网络生成行业类别候选集,通过外部知识嵌入补充额外信息,并将外部知识特征与经营范围特征进行融合,完成企业行业分类。通过在所构建的企业数据集上进行验证可知,其准确率达到83.78%,实验结果证明了该模型可以获得更加丰富的特征,相比其他方法取得了更好的行业分类效果。     

基于多分类的车辆轨迹地图匹配算法的研究

在车辆导航系统中,显示在电子地图上的车辆移动轨迹反映了通过GPS测量设备实时定位的结果.本研究探索了一种基于多分类算法进行地图匹配的方法,采用支持向量机(SVM)对训练数据进行预处理,设计了寻找ELM最优参数选择算法.实验结果表明,本论文提出的基于多分类算法的地图匹配能够得到精度较高的匹配结果和较快的匹配速度.     

一种基于综合分词和模糊匹配的地名地址匹配方法研究

通过对国内地址匹配现状的全面研究,并结合对原始地址数据的分析,总结出了我国常用地址表述的习惯和规律,抽象出了地址匹配层级模型和地址匹配类型,用于地址匹配的各个过程。在此基础上,提出了基于先验知识的中文分词算法和基于规则的模糊匹配方法,并利用工商注册数据库为原始地址数据文件,建立了工商职能部门企业地址数据与空间数据的地址匹配映射。     

基于关联规则的恶意程序多分类检测方法研究

传统多分类检测方法只考虑了数据的时序性,导致模型面对不同恶意程序时数据召回率较低,为此提出基于关联规则的恶意程序多分类检测方法。重新设置分簇路由协议,判定不同类型的恶意攻击;利用最优决策函数构建时序模型,采集静态信息时序特征;基于关联规则设计时序模型的约束条件,在分类过程中排查召回动态信息,实现对恶意程序的多分类检测。实验统计三次测试所得结果的平均值,基于关联规则的时序模型平均召回率比对照的三组模型分别高了0.1001、0.0993和0.086,能够在恶意程序多分类完成前,召回出现异变的数据。     

基于Cocos2d-x框架的分类匹配算法的游戏实现

随着智能手机用户的迅速增长,新的手机时代已悄然来临。文章是针对国内现有及潜在的智能手机用户,通过实现连连看小游戏的分类匹配算法来探讨游戏的开发。文章注重讨论算法的实现。     

探究基于规则库匹配的网络监控系统设计与实现

为解决网络监控系统安全问题,本文对Linux网络监控系统进行研究,该系统通过分析网络数据协议,能够与Suricata规则库兼容与匹配,进而有效检测与监控网络运行系统,以降低网络安全风险.因此,本文将紧紧围绕网络监控系统的设计流程以及实现路径展开论述.     

基于特征元素和关联规则的图象分类方法

图象分类是搜索引擎中的重要模块.本文提出了一种基于特征元素的图象分类方法.特征元素与特征向量相比能够根据人的主观感知来提取图象的视觉特征.与传统的基于特征向量的图象分类方法不同,本文提出的图象分类方法不计算特征空间中特征向量之间的距离,而是通过关联规则挖掘发现图象的特征元素与图象所属类别之间的联系.本文实现了该分类算法并将其与一种基于特征向量的图象分类方法NFL相比较.实验的结果证实了所提方法的优越性.