详解《成吉思汗》成就属性及获得方式

7月17日豪放公测的历史战争网游《成吉思汗》，特有丰富多彩的成就属性系统，里面包括了各种玩家希望得到的成就，而这些成就大多数都是非常有用，且可以兑换成很多额外的财富，     

详解成吉思汗OnLine成就属性及获得方式

历史战争网游《成吉思汗》,特有丰富多彩的成就属性系统,里面包括了各种你所得到的成就,而这些成就大多数都非常有用,且可以兑换成很多额外的财富,本篇文章就给大家详细解剖成就属性及其获得方式。需特别说明的是:其中天赋、魅力和战场积分三项成就属性版本目前还没有开放,非常期待下一个版本可以见到这些属性的开放和兑换的物品。     

一种新的属性集依赖度研究

提出了新的属性集依赖度的概念，给出了属性集依赖度的求解步骤和算法。针对单一属性依赖度与属性集依赖度的差别，讨论了属性集依赖度的意义，得出属性集依赖度更加可信的结论。     

一个支持秘密属性的改进PMI框架

当属性证书中引入了秘密属性之后，原有的PMI框架不能很好地处理包含秘密属性的属性证书。文章指出，秘密属性的实现可以采取明文属性的属性证书和密文属性的属性证书两种方式，加密属性证书可以采用对称密钥加密和公开密钥加密两种方案。并根据两种实现方式分别对原PMI框架作不同程度的改进。     

基于区块链可撤销属性的去中心化属性基加密方案

针对现有属性基加密（ABE）方案存在的属性撤销效率低以及用户属性密钥的分发和撤销难以协调等问题，提出一种基于区块链可撤销属性的去中心化属性基加密（BRDABE）方案。首先，利用共识驱动的区块链构架将密钥分发的信任问题从属性权威映射到分布式账本上，并利用智能合约记录用户属性和数据共享的状态以及协助属性权威实现用户属性的撤销。当撤销用户的属性时，属性权威利用智能合约自动筛选出所涉及的数据所有者和未撤销授权的用户，并生成与撤销属性相关的密文更新钥和密钥更新钥，链下进行密文和密钥更新。其次，将版本钥和用户全局身份嵌入属性私钥，在用户解密时，使会话密钥密文和用户属性私钥中的身份能够相互抵消。基于合理假设，证明BRDABE方案能抵抗用户的合谋攻击，且满足用户属性撤销的前向和后向安全性。实验结果表明，随着用户属性个数的增加，用户密钥生成、加密解密和属性撤销的时间呈线性增长。当属性个数相同时，与DABE(Decentralizing Attribute-Based Encryption)相比，BRDABE的解密时间缩短了94.06%～94.75%；与EDAC-MCSS(Effective Data A...     

个性化数据聚类的属性坐标分析法

以属性论为理论依据，分析了个性数据属性与属性重心剖分模型的关系，在属性线性坐标系中表示数据属性集对象重心点，从而得到聚类程度函数和聚类算法。该模型有效地描述了个性化数据属性间的语义关系。     

属性神经网络模型

在分析了一般神经网络模型和属性论的基础上，提出了一种新的属性神经网络模型，它将数据信息保存在属性神经元和连接函数中，使学习过程变得简单和确定，并且绝对收敛，讨论了属性神经网络的图的性质，指出可以用图论的方法研究属性神经网络的分类器作用，同时证明了属性神经网络与属性坐标系的等价性，从而为属性推理提供可操作的数值推导方法。     

一种基于Rough集理论的属性约简启发式算法

属性约简是知识发现中的关键问题之一．为了能够有效地获取决策表中属性的最小相对约简，在Rough集理论的基础上构造了一个新的算子，将信息论角度定义的属性的重要性作为启发式信息，来描述在决策表中条件属性所提供的知识对决策属性的影响；并采用宽度优先搜索策略，提出了一种新的属性约简启发式算法．以原始条件属性集为起点并结合算子，通过向属性核的递减式逼近，得到属性的最小相对约简．实例分析表明，该算法能有效地对决策表属性进行约简．     

基于粗糙集和信息熵的属性约简算法

粗糙集具有很强的定性分析能力，通过不可分辨关系找出内在规律性，很适合做属性的约简。可辩识矩阵为属性约简提供了一个浓缩了的属性区分信息，可以方便求到核属性，但对于矩阵中除核属性之外的其他属性组合的研究却不容易。熵是概率统计方法中一个概念，概率性的知识提供了一种度量。本文就是基于粗糙集的理论，运用可辨识矩阵，结合信息熵思想，提出一种属性约简算法，保证约简效果与速度。     

基于属性约简集评价节点重要性研究

社会网络成员的重要性确定通常依赖结构属性对网络节点的评价。首先定义了网络中节点排序可区分以及属性约简集的概念，并在此基础上量化了属性聚类的阈值，从而确定了类别的数量。设计了网络节点重要性的属性约简集评价算法。通过与度、介数、全属性评价在人工网络、海豚网上的实现，证明了属性约简集评价节点排序的可行性。通过属性约简集在海豚网、9·11恐怖分子合作网上的节点评价值、网络鲁棒性以及节点可区分性等方面的应用对比分析，发现属性约简集评价节点重要性既兼顾了网络结构的完整性，又避免了单一属性评价的片面性和多个属性之间的属性冗余性，提高了节点评价结果的准确性，降低了算法复杂度。     

前向Beam搜索粗糙集属性约简算法

从属性集互信息的角度分析了粗糙集理论的属性约简问题。粗糙集属性约简通常采用Best-first启发式搜索。本文运用属性集互信息作为属性约简度量，提出了前向Beam搜索粗糙集属性约简算法。实验表明，属性约简算法具有良好的运行效果。     

求解关系模式中一个候选关键字的一种有效算法

通过分析关系模式的属性在函数依赖中所起的作用，发现在关系模式中的部分属性必定为主属性，而部分属性必定为非主属性，可以通过减少对属性的搜索次数，从而提高算法的效率，降低算法的时间复杂性。为此，本文提出一种切合实际的求解候选关键字的有效算法。     

属性聚类下三支概念的对比

三支概念分析是人工智能领域一个非常重要的研究方向，该理论最大的优势是可以同时研究形式背景中对象“共同具有”和“共同不具有”的属性。众所周知，经过属性聚类生成的新形式背景与原形式背景具有较强的联系，同时原三支概念与经过属性聚类得到的新三支概念也存在紧密的内在联系。为此，进行属性聚类下三支概念的对比研究和分析。首先基于属性聚类提出悲观属性聚类、乐观属性聚类以及一般属性聚类的概念，并研究了这三种属性聚类的关系；然后，通过对比聚类过程与三支概念形成的过程，研究了原三支概念与新三支概念的区别，分别从面向对象和面向属性的角度提出两个最低约束指数，探索了属性聚类对三支概念格的影响，进一步丰富了三支概念分析理论，为可视化数据处理领域提供了可行的思路。     

基于遗传算法的粗糙集属性约简算法

属性约简是粗糙集理论中的一个核心问题，为了有效获取属性最小相对约简，本文提出了一种基于遗传算法的粗糙集属性约简算法．该算法将核引入遗传算法的初始群体来提高算法的性能，依照决策属性对条件属性的依赖度，在加强局部搜索能力的同时保持了该算法全局寻优的特性，能够获得最佳的搜索效果．实验结果证明了该算法能够快速有效的进行属性约简。     

基于模糊综合评判的目标属性识别模型研究

首先介绍了目标属性识别的方法及模糊综合评判原理，在分析影响目标属性识别因素的基础上，提出了目标属性识别的多级模糊综合评判模型，从而能有效地解决目标属性识别问题。     

一种实值属性信息系统的粗集约简方法

本文研究应用粗集理论对实值信息系统属性进行约简的方法，对实值属性信息系统进行约简的根本问题是如何对实值属性离散化，通过对离散化方法与属性约简的关系进行研究，提出实值属性离散化的一种自动确定属性类别的方法，并结合粗集理论给出了对实值属性信息系统约简的算法，用所提出的算法进行了实验，并给出了实验结果。     

一种基于强属性限定的贝叶斯分类模型

朴素贝叶斯分类模型一种简单而高效的分类模型．但它的条件独立性假设使其无法将属性间的依赖表达出来，影响了它分类的正确率。属性间的依赖关系与属性本身的特性有关，有些属性的特性决定了其他属性必然依赖于它．即强属性。文中通过分析属性相关性的度量和贝叶斯定理的变形公式，介绍了强属性的选择方法，通过在强弱属性之间添加增强弧以弱化朴素贝叶斯的独立性假设．扩展了朴素贝叶斯分类模型的结构。在此基础上提出一种基于强属性限定的贝叶斯分类模型SANBC。实验结果表明，与朴素贝叶斯分类模型相比，SANBC分类模型具有较高的分类正确率。     

一种具有分类决策属性的信任模型

如何安全、有效地选择信任度满足要求的服务提供者是目前信任研究领域的热点问题。文中提出了一种多属性决策的层次化信任模型，将决策属性分为定量属性和定性属性，有利于属性的分类度量、属性的系统化分析和信任等级的设定，同时给出了对具有不同信任等级的属性进行融合的方法。用置信区间来表示定性属性，可以很好地表达主观不确定性和风险意识。利用推荐者的推荐信息可以快速建立实体间的信任关系，针对网络中存在的恶意实体的推荐，列举了检验推荐信息可信度的方法并分析了各自的优缺点.介绍了几种典型的信任模型并提出了建立信任模型的关键。     

粒子群属性聚类的位置隐私保护

针对基于位置服务中连续查询情况下，用户自身属性信息很容易被攻击者获取，并通过关联获得用户位置隐私的情况，提出了一种利用粒子群聚类加速相似属性用户寻找，并由相似属性匿名实现用户位置泛化的隐私保护方法。该方法利用位置隐私保护中常用的可信中心服务器，通过对发送到中心服务器中的查询信息进行粒子群属性聚类，在聚类的过程中加速相似属性用户的寻找过程，由相似属性用户完成位置泛化，以此实现位置隐私保护。实验结果证明，这种基于粒子群属性聚类的隐私保护方法具有高于同类算法的隐私保护能力，以及更快的计算处理速度。     

Tuili－Ⅱ里的属性谓词及其实现

Ｔｕｉｌｉ－Ⅱ是一个基于Ｔｕｉｌｉ的知识程序设计语言，属性谓词是其中的一种新的知识表示方法．属性谓词体现了逻辑推理语言Ｔｕｉｌｉ与框架／对象在一定意义下的结合．本文主要介绍属性谓词的提出背景和基本思想，给出属性谓词说明及其使用的语法定义、语义及解释，讨论属性谓词的实现思想和主要算法，并给出一个由属性谓词表示分类知识的专家系统原型的例子．