基于粗糙集-支持向量机理论的过滤误报警方法

为过滤入侵检测系统报警数据中的误报警,根据报警的根源性和时间性总结出了区分真报警和误报警的19个相关属性,并提出了一种基于粗糙集-支持向量机理论的过滤误报警的方法。该方法首先采用粗糙集理论去除相关属性中的冗余属性,然后将具有约简后的10个属性的报警数据集上的误报警过滤问题转化为分类问题,采用支持向量机理论构造分类器以过滤误报警。实验采用由网络入侵检测器Snort监控美国国防部高级研究计划局1999年入侵评测数据(DARPA99)产生的报警数据,结果表明提出的方法在漏报警约增加1.6%的代价下,可过滤掉约98%的误报警。该结果优于文献中使用相同数据、相同入侵检测系统的其它方法的结果。     

一种面向网络答疑的汉语切分歧义消除算法

针对网络答疑的特点,该文提出了一种汉语歧义消除算法,采用回溯机制及歧义消除评优算法相结合的方法消除汉语切分歧义。首先利用回溯机制发现句子的切分歧义字段,产生含有多种可能切分结果的候选集;然后针对网络答疑特点提出了评优算法,利用该算法计算候选结果的评价值,对其进行排序,选取分词最佳结果,从而消除歧义,提高分词的准确率。该算法已经在基于Web的自然语言答疑系统WebAnswerSystem中实现并得到了实际应用。实验结果表明,算法具有较高的准确率和召回率,对自然语言网络答疑中进行切分歧义消除是行之有效的。     

面向答疑文本的词类标注方法的研究与实现

针对已有词类标注方法在标注网络答疑文本时存在的不足,文章提出了一种面向自然语言答疑文本的词类标注方法。该方法根据答疑文本的特点和后续关键信息提取的需要,对已有的词类标记集进行了扩展;用统计方法标注答疑真实文本,将其结果与正确结果相比较,从中获取词类排歧规则,使规则具有较强的文本针对性,以提高规则排歧的精度;对规则进行分类和优化,提高了标注的速度;采用先规则后统计的标注方法,较好地解决了答疑文本中规则和统计方法的组合问题。目前,该方法已在基于自然语言的网络答疑系统(NaturalLanguageOrientedWebAnswerSystem,,简称NL_WAS)中实现并得到了初步应用。     

网络服务用户体验定量评价方法和实证分析

随着服务经济的发展,用户体验成为网络服务能否被接受的关键。当前的用户体验研究主要通过主观问卷调查的方法询问用户的主观感受,存在费时、操作复杂、不准确等问题。针对此不足,提出一种基于用户网络服务日志客观评价用户体验的方法,并结合典型的网络服务e-learning进行了实证分析。结果表明基于该方法的客观评价结果与主观评价的结果显著相关,平均绝对误差在10'以内,表明该方法是有效的。     

通用报表图形分析系统的设计和实现

本文系统地分析和阐述了对报表数据进行分析和生成直方图、折线图和饼图等统计图形所要解决的基本问题－图形参数的定义和分析、图形目录的生成与管理以及图形生成等，并给出了解决这些问题的方法。     

鄂尔多斯盆地镇北地区长4+5储层微观孔隙结构研究

鄂尔多斯盆地镇北地区延长组长4+5以成岩型低渗透储层为主,常规方法较难评价该类储层微观孔隙结构品质。利用铸体薄片、扫描电镜和物性分析等方法对影响储层微观孔隙结构特征的因素进行了定性分析,恒速压汞方法对储层微观孔隙结构特征参数进行了定量表征。研究表明:镇北地区长4+5低渗透储层微观孔隙结构与成岩作用密切相关,主要表现为机械压实作用和碳酸盐胶结作用越弱,长石溶蚀作用越强烈,粒间孔和溶蚀孔越发育,孔喉连通性越好,渗透率越大;微观孔隙结构和渗透率受大于0.12μm的喉道控制明显,主要表现为平均喉道半径越大,渗透率越大,孔喉半径比越小,微观孔隙结构越好,储层品质因子越大,试油产液量越高,尤其当平均喉道半径小于1.60μm时。喉道是影响低渗透储层微观孔隙结构品质的主要因素。     

智慧教育研究现状与发展趋势

当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.     

2019大数据知识工程及应用专题

实际工程问题的求解往往涉及跨领域、跨模态的海量碎片化知识,这些知识不能仅靠专家提供,而需要从环境中动态学习和融合生成.知识工程旨在研究计算机对知识的获取、表征和处理.随着 UGC ( User Generated Content )模式的兴起,一种新的知识工程范式——大数据知识工程应运而生. 和早期的专家系统相比,大数据知识工程的显著特点是：实现了从以文本、小规模、静态、人工方式的专家知识计算机表示,到多模态、大规模、动态不确定环境下知识的自动获取与表征的跨越式发展.大数据知识工程的核心科学问题是大数据碎片知识的挖掘和融合. 《计算机研究与发展》推出了大数据知识工程及应用专题,以促进该方向新的研究与发展.本专题得到同行的广泛关注,通过公开征文收到18篇高质量投稿稿件,这些论文阐述了大数据知识工程的重要研究成果和发展前景.特邀编委先后邀请了20余位相关领域的专家参与评审,历经初审、复审、终审等阶段,最终遴选出3篇高质量的论文入选本专题.内容涵盖了零样本学习、表示学习等大数据知识工程的关键技术,在一定程度上反映了当前国内学者在大数据知识工程的典型应用.     

工程机械智能监控系统与关键技术研究

本文研究了工程机械监控系统的发展现状及其智能监控关键技术,并根据分层软件体系结构将工程机械智能监控系统软件的结构定义7个层次。通过对工程机械智能监控系统软件层次化设计,有利于规范系统的设计,提高系统可靠性与电气开发人员的效率,减少系统的后期维护成本,并且提高了工程机械的安全与可靠性。     

储层等水动力定位方法预测鄂尔多斯盆地延长组岩性油藏

为了对鄂尔多斯盆地华庆地区延长组长8岩性油藏分布进行预测,在明确主要烃源岩为长7,中下部高阻纯泥岩基础上,限定了油藏有利区和油藏富集区的概念,认为岩性油藏富集区具有优先定位优势储层特征,首次探索性地提出,一种利用同一砂带上已知油藏富集区预测未知油藏富集区的储层等水动力定位方法。该方法在鄂尔多斯盆地延长组长8油藏富集区预测中较为实用,并能对试油出水情况进行预测。