基于双隶属度模糊支持向量机的邮件过滤

针对邮件所含信息的模糊性和合法邮件与垃圾邮件错分代价的不对称性提出了基于双隶属度模糊支持向量机的邮件过滤方法,通过对每个样本赋予不同的双隶属度,得到最优分类器,提高了邮件过滤的正确率。经仿真实验证明,该方法能够有效降低将合法邮件误判为垃圾邮件,而且有很高的正确率等特点。     

增量支持向量机算法研究

在进行增量学习时,随着新增样本的不断加入,致使训练集规模不断扩大,消耗大量计算资源,寻优速度缓慢.在深入研究了支持向量分布的特点的基础上提出了分治加权增量支持向量机算法.该算法有效利用了广义KKT条件和中心距离比值,舍弃对后续训练影响不大的样本,得到边界支持向量集,对训练样本进行有效的淘汰.将所剩样本合并,进行加权处理,解决某些样本严重偏离所属的类别,对正常分布的样本不公平的问题.实验结果表明,该方法在保证分类精度的同时,能有效地提高训练速度.     

混合式P2P网络UDP下NAT穿越方案的研究与设计

随着P2P网络技术的迅速发展,它给用户带来了巨大的便利和效益,P2P充分利用了网络带宽,大大提高了带宽的利用率。NAT技术的广泛应用主要是为了解决公共IP地址不足的问题,却对P2P的深入应用造成障碍,基于P2P的NAT穿越问题已经成为当今的热点议题。该方案根据混合式P2P网络中特殊结构的特点,借鉴skype的成功经验,改进超级节点UDP下NAT穿越的设计,利用超级节记录用户信息帮助P2P应用实现非对称NAT的穿越,利用超级节点中继来解决P2P下对称NAT的穿越,最终实现P2P的正常通信。     

关于矩阵方程A~2=J解的分类

解决了矩阵方程Ａ２＝Ｊ的分类问题，这里的Ａ是（０－１）矩阵，Ｊ是完全平方矩阵，其所有元素皆为１．     

基于神经网络的分布式入侵检测研究

针对目前入侵检测系统不能有效检测未知攻击行为的问题,根据神经网络的自学习、自适应特性,分布式检测的多点采集特性,采取将神经网络与分布式检测相结合的方法,提出了一种新的入侵检测模型,并对模型进行了设计,在Matlab中进行了仿真实验.结果表明,系统能够发现测试数据中的大部分未知攻击.     

P2P点播系统的客户端磁盘缓存策略

在基于有服务器结构对等网络环境的点播系统中,针对客户端需要缓存部分流媒体数据的问题,提出一种新型预测双缓存模型,给出相应的缓存替换算法。仿真实验表明,该模型在用户数目增多时,客户端缓存的命中率大幅提高,服务器的负载得到改善,显著降低了VCR操作时所引起的等待延迟。     

一种自适应的P2P流媒体数据调度算法

针对现有算法在有限带宽情况下数据块易丢失的问题,提出了一种新颖的数据调度算法——最少优先调度算法（LFSA）。该算法易于实现,并且可以根据网络的异构性,带宽抖动以及P2P网络节点的动态性进行自动调整。实验结果表明,LFSA能够有效缩短系统播放启动延迟,而且可以在不知道伙伴节点带宽和没有任何负载平衡机制的情况下取得比传统策略更好的性能。     

基于多层前向神经网络入侵检测系统的研究

针对目前入侵检测系统不能有效检测未知入侵行为的问题,根据神经网络的自学习和自适应性强的特点,采取了将多层前向神经网络与入侵检测系统相结合的方法,提出了一种入侵检测模型,给出了此模型中神经网络模块的改进训练算法,实验证明,此算法入侵检测率可达86％,最大误报率为3％,加大训练样本可进一步提高检测率,从而更有效地检测出未知的入侵行为;此算法实时性强,可有效提高神经网络的学习效率。     

基于小波变换法消减分形图像压缩中的块效应

针对分形图像压缩方法中没有解决的块效应缺欠，提出用小波与分形相结合的方法进行图像压缩，打破“块”的界限，使小波域上集中分布在边缘上的误差在更大的范围内“稀释”。实验表明，此方法与传统方法相比，可降低块效应系数48％以上，从而较好地解决了压缩中的块效应问题。     

基于Linux的ARP防火墙的研究与实现

ARP欺骗已经成为越来越严重的一个问题,本文分析ARP欺骗的原理,介绍了当前Linux下防范ARP欺骗的一些措,研究了ARP防火墙的原理,同时给出了 Linux下ARP防火墙具体的实现代码和详细的注释.