基于粗糙集的网关冗余过滤规则约简算法

过量过滤规则存在冗余性影响着网关设备处理性能。在分析过滤规则属性集的基础上,利用粗糙集区分矩阵的性质对过量过滤规则属性集进行约简处理。同时,通过属性权重方法产生过滤规则属性核集实现对过量过滤规则冗余的约简算法。测试证明基于粗糙集的约简算法在网关设备中具有较好的适用性。     

一种飞行数据的模糊关联规则挖掘算法*

提出利用模糊属性集和关联规则的支持度获得高效率的关联规则增量更新挖掘的方法。首先对输入数据集进行模糊离散化,确定相应的模糊属性集,模糊支持数和各属性原先的模糊聚类中心;然后检查是否满足最小支持度条件,将其添加到更新后的模糊频繁属性集集合中;最后比较模糊频繁属性集和负边界的变化,得到最终更新后的模糊频繁属性集和相应的关联规则。采用实际飞行数据验证了该算法可以避免反复和多层扫描数据库的时间消耗问题,模糊关联规则挖掘算法可以高效和准确提取增量关联规则。     

基于Drools的冠心病康复方案自动生成

冠心病作为一种多因素复杂性疾病,严重影响国人健康和寿命.传统药物以及介入治疗在改善临床症状方面发挥重要作用,但是后期心脏康复亦不容忽视,论文从营养、有氧运动、阻抗训练和柔韧性训练四个组成部分设计并实现冠心病康复方案模型,基于开源规则引擎Drools设计并实现康复方案推理引擎,依据模型需求对推理引擎事实、推理引擎规则进行重新定义与划分,实现冠心病康复方案的自动生成.     

嵌入式浏览器CSS引擎的研究与改进

层叠样式表(CSS)引擎的效率提升是嵌入式浏览器的性能瓶颈。为此,提出提升CSS引擎效率样式管理的改进和设计方法。该方法增加对用户操作相关伪类样式规则的分类,以减少对非必要的伪类样式规则匹配,匹配完全失效节点的记忆能够为兄弟节点提供样式规则匹配的指示,并减少样式规则匹配次数。实验结果表明,对于不同网页的样式规则匹配总时间消耗减少3%~15%左右。     

一种基于主属性判定的关联规则挖掘约简算法

关联规则挖掘是经典的数据挖掘方法,越来越多的企业都把它看作是必不可少的战略分析工具。当前关联规则挖掘方法得到的规则过多,令用户在运用时难以理解,因此研究关联规则集的约简方法具有应用价值。研究了数据库模式中关键字包含的主属性对基于Apriori算法的关联规则挖掘产生的关联规则的影响,即部分函数依赖会导致关联规则挖掘的数据集中冗余信息的频繁出现,并产生没有实际价值的关联规则,识别并消除这样的规则就能实现规则集的约简。求全部主属性如同求所有候选关键字问题都是NP难题,因此提出了一种基于一个候选关键字进行验证的算法来判定主属性,从而完成基于主属性判定的关联规则挖掘约简算法的设计与实现,并在最后的实验中验证了该算法的有效性。      

基于粒关联规则的冷启动推荐方法

推荐系统已被广泛应用于电子商务等多个领域。冷启动问题是推荐系统的一个难点。基于粒关联规则的冷启动推荐方法,运用粒来描述用户和产品,通过满足粒关联规则的4个指标,挖掘出用户和产品之间的关联规则,匹配合适的规则,最后根据这些规则向用户做出相应的推荐。在公开有效的数据集MovieLens上进行了实验,结果表明,用粒关联规则所挖掘出的规则可以有效地用于训练集和测试集上的推荐,并且具有较好的准确性。     

一种针对DFA状态爆炸的正则表达式匹配方法

针对基于确定有限状态自动机的匹配引擎在大规模、复杂规则下会出现状态爆炸的问题,提出正则表达式子串抽取算法。通过将子串抽取算法应用于DFA状态爆炸场景,设计基于子串抽取的正则匹配引擎。实验结果表明,该算法在单个规则上运行时间可达10 ms量级,抽取率高达99%,同时匹配引擎具有较好的稳定性和可拓展性,且匹配速度优于相关开源匹配引擎。     

基于多维关联规则的区域能源安全外生警源隐含特征分析

针对现阶段我国区域能源安全突发事件频现的问题,对区域能源安全外生警源隐含特性展开了研究。通过对区域能源安全事件案例抽取,构建了能源安全外生警源属性集和数据集。依据数据集的特点设计了能源安全外生警源多维关联规则挖掘模型。该模型首先基于多维属性融合的思路,通过把属性划分为事务项,将外生警源多维属性映射为一维,然后利用Apriori算法的基本原理进行规则挖掘;在此基础上,将该模型应用于能源安全外生警源隐含特征分析中,研究警源属性间的关联关系,实现强关联规则输出。研究结果表明,多维关联规则方法可以发现隐藏在外生警源数据中的规律,通过对挖掘出的规则集的归纳分析,得出区域能源安全外生警源爆发时具有衍生性、季节性、危害性和持续性等共性特征。     

基于信息增益率的决策树对入侵检测的改进

用构造决策树的方法来对入侵规则进行分类组织,将并行处理的机制引入到数据包与入侵规则集的匹配检测过程中。该文对于构造入侵规则决策树的过程,采用信息增益率为新的分类属性选择标准,并用它替代了原有的信息增益标准。实验证明,对于某些特定的攻击类型,在产生相同告警数量的前提下,采用信息增益率的检测引擎比采用信息增益的检测引擎,在检测速度上有明显的提高,有力地提高了基于特征的入侵检测性能,可及时地发现入侵行为。     

基于Bitmap的油水井采注优化实时推理引擎

针对油田油水井采注优化业务中,油水井数据量大、地层结构复杂以及人类经验多的特点,分析了传统推理方法在油田采注实时优化处理过程中的不足,采用事件处理思想,提出了一种基于Bitmap事件编码与匹配机制的推理引擎,有效地实现了对无效事件的过滤并提升了事件与规则的匹配效率.在油田实际数据试验平台上对该方法进行了验证并与RETE算法、LFA（Linear forward-chaining）算法的性能对比,结果验证了本文方法在实时推理能力上的有效性.     

基于Drools规则引擎的物联网数据查询方法设计

物联网(IoT)数据具有数据量大和实时性好的特点。通过复杂事件处理技术处理物联网数据时需要设置复杂的规则,但规则往往会随着业务的变化而变化。Drools规则引擎可以通过分离的配置文件设置规则,在不修改设备数据或管理平台代码的情况下,筛选到匹配规则的数据或事物。为解决DRL规则文件架构和决策表文件架构筛选数据产生的重复匹配的冗余问题,设计了一种修正数据库的数据查询方法。在不同数据量、不同规则数的查询环境下,对DRL规则文件架构、决策表文件架构和修正数据库架构进行了数据查询性能分析。实验结果表明：修正数据库架构在大数据量查询时时间损耗更少,可有效减少冗余。     

DECENT: Secure and fine-grained data access control with policy updating for constrained IoT devices

The Internet of Things (IoT) is a novel paradigm where many of the objects that surround us can be connected to the internet. Since IoT is always related to user’s personal information, it raises lot of data security and privacy issues. In this paper, we present a secure and fine-grained data access control scheme for constrained IoT devices and cloud computing based on hierarchical attribute-based encryption, which reduces the key management by introducing hierarchical attribute authorities. In order to relieve local computation burden, we propose an outsourced encryption and decryption construction by delegating most of laborious operations to gateway and cloud server. Further, our scheme achieves efficient policy updating, which allows the sender device to update access policies without retrieving and re-encrypting the data. The security and performance analysis results show that our scheme is secure and efficient.     

利用标准SQL查询挖掘多值型关联规则及其评价

关联规则是数据挖掘中一种重要的模式，目前对布尔型关联规则的挖掘算法研究得比较多，利用标准SQL功能，易于开发，运行速度快，安全可靠性强等优点，来实现多值型关联规则的挖掘具有比较好的性能，首先利用语言场理论对连续属性进行离散化，然后利用SQL对Apriori算法进行改进来实现关联规则的挖掘，另外利用主观Bayes方法中的LS充分性因子对挖掘出来的规则进行评价，该算法应用于庐江虫害数据库，结果显示它具有快速，有效，易开发，适用范围广等优点。     

基于规则引擎的电子采购逆向竞拍的研究

近年来规则引擎技术已广泛应用于金融、电子商务及制造业等领域。当前大型企业的采购方式越来越多样化,传统采购系统所采用的逆向竞拍方案已不能满足现有需求。本文研究了规则引擎技术在企业电子采购系统中的应用,以将程序代码和业务规则分离开来。企业可以按照不同采购需求个性化配置采购规则,规则引擎控制整个拍卖过程,拍卖结束后系统再利用规则引擎自动对报价进行评分,帮助企业选择最优供应商,使其在采购过程中降低成本,提高采购效率。     

基于粗糙集理论的关联规则挖掘研究及应用

提出了一种基于粗糙集理论的关联规则算法,使用粗糙集理论对数据进行预处理,同时使用属性限制避免挖掘无用的关联规则,挖掘出来的关联规则是分类规则,可以对未知数据进行分类;使用规则过滤去除冗余规则,只保留本质的、一般的规则。通过对网络安全审计数据的分析的试验表明,该方法是行之有效的。     

基于规则推理网络的分类模型

为了缓解神经网络的"黑盒子"机制引起的算法可解释性低的问题,基于使用证据推理算法的置信规则库推理方法(以下简称RIMER)提出了一个规则推理网络模型.该模型通过RIMER中的置信规则和推理机制提高网络的可解释性.首先证明了基于证据推理的推理函数是可偏导的,保证了算法的可行性;然后,给出了规则推理网络的网络框架和学习算法,利用RIMER中的推理过程作为规则推理网络的前馈过程,以保证网络的可解释性;使用梯度下降法调整规则库中的参数以建立更合理的置信规则库,为了降低学习复杂度,提出了"伪梯度"的概念;最后,通过分类对比实验,分析了所提算法在精确度和可解释性上的优势.实验结果表明,当训练数据集规模较小时,规则推理网络的表现良好,当训练数据规模扩大时,规则推理网络也能达到令人满意的结果.     

Verifying specifications with associated attributes in graph transformation systems

Graph transformation is an important modeling and analysis technique widely applied in software engineering. The attributes can naturally conceptualize the properties of the modeled artifacts. However, the lack of support for the specification of such attribute correspondence by ordinary propositional temporal logics hampers its further application during verification. Different from the theoretical investigations on quantified second order logics, we propose a practical and light-weight approach for the verification of this kind of temporal specifications with associated attributes. Particularly, we apply our approach and extend the generalpurpose graph transformation modeling tool: Groove. Moreover, symmetry reduction techniques are exploited to reduce the number of states. Experiments with performance evaluations complement our discussion and demonstrate the feasibility and efficiency of our approach.     

基于Ontology的网页关系识别研究

对万维网上大量的网页之间进行特定语义关系的分析,将这样的工作用于搜索引擎中,可以实现智能化的查询,和提供其它个性化服务。本文借助于Ontology中的关系实例,在网页分类的基础上对网页之间的关系进行自动识别,同时提出了网页关系识别规则的自动生成和优化方法。