访问控制策略的分类方法研究

访问控制是网络安全防范和保护的主要策略,回顾了几种访问控制策略的分类方法,提出了一种新的分类方法,将访问控制策略划分为被动和主动类型,分别介绍了几种有代表性的访问控制策略,对比分析了各自的特点及适用环境。     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题 .首先 ,基于Vague集定义本身的动态趋势 ,分别给出元素相对于Vague集的隶属度与非隶属度的合理表示 ,进而提出一种新的度量Vague集之间相似程度的方法 ,并讨论其性质 .然后 ,将元素在Vague集中所呈现的三部分 :隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去 ,提出并讨论一种新的加权相似度量方法 .进一步 ,将上述Vague集之间的相似度量和加权相似度量推广到连续论域 ,得到相应度量的积分表示 ,同时指出Hong和Kim给出的度量方法是结论的特例 .最后 ,将Vague集之间的相似度量应用于模式识别     

基于直觉Fuzzy关系的综合决策

借助K .Atanassov提出的直觉Fuzzy集 ,推广原有的Fuzzy综合决策模型 ,给出基于直觉Fuzzy关系的综合决策模型 .该模型有望在实际中得到更广泛的应用     

模糊模式识别的基础--相似度量

讨论模糊模式识别中模糊集之间的相似度量.针对模糊集的推广形式--Vague集,给出Vague集之间一系列新的相似度量方法,并对其性质进行讨论.通过与现有方法的比较,阐明该方法有较强的分辨能力.对连续论域的情况一并作了讨论,给出相应度量的积分表示.最后,用例子说明Vague集之间的相似度量在模式识别中的应用.     

吉西他滨和奥沙利铂栓塞化疗联合三维适形放疗治疗晚期原发性肝癌疗效观察

【摘要】 目的 探讨吉西他滨、奥沙利铂（GEMOX）方案肝动脉化疗栓塞（TACE）联合三维适形放疗（3?蛳 DCRT）治疗晚期原发性肝癌的疗效和不良反应。方法 经病理或影像学明确诊断的70例晚期原发性肝癌患者,采用GEMOX方案:吉西他滨0.8 ～ 1.0 g/m2,奥沙利铂85 ～ 100 mg/m2加入超液化碘油10 ～ 30 ml行TACE治疗,每月1次,连用2 ～ 3次。经TACE治疗后3 ～ 4周行3?蛳 DCRT:总剂量（DT）48 ～ 60 Gy,每次4 ～ 5 Gy,隔天1次,每周3次,连续4周。结果 2例患者3?蛳 DCRT后4个月内死亡,未能评价疗效,其余68例原发性肝癌患者中完全缓解（CR）4.4%（3/68）,部分缓解（PR）70.6%（48/68）,稳定（SD）14.7%（10/68）,进展（PD）10.3%（7/68）;总有效率（CR + PR）75.0%（51/68）,肿瘤控制率（CR + PR + SD）为89.7%（61/68）。总生存中位数10个月（8.4 ～ 11.6）,无瘤生存时间中位数6.0个月（4.6 ～ 7.4）,1、2、3年生存率分别为58.8%,29.4%和19.1%。常见的不良反应主要表现为白细胞减少、贫血、血小板减少、恶心、呕吐和发热等,患者均可耐受。结论 GEMOX方案TACE联合3?蛳 DCRT治疗晚期原发性肝癌疗效确切,不良反应可耐受,值得进一步研究。     

改良QuEChERS结合超高效液相色谱-四极杆/静电场轨道阱高分辨质谱法测定果蔬中15种植物生长调节剂残留

基于改良的QuEChERS方法,建立超高效液相色谱-四级杆/静电场轨道阱高分辨质谱法(UPLC-Q-Orbitrap HRMS)快速筛查和测定果蔬中15种植物生长调节剂残留的方法。样品以1%乙酸乙腈提取,多壁碳纳米管(MWCNTs)净化,采用Hypersil GOLD aq C₁₈色谱柱(2.1 mm×100 mm,1.9 μm)进行分离,乙腈和水(含0.1%甲酸-5 mmol/L甲酸铵)为流动相梯度洗脱,质谱采用全扫描/数据依赖的二级扫描模式,基质匹配校准曲线定量。结果显示:15种化合物在2.0~500.0 μg/L范围内,线性关系良好(r>0.990);在3个加标水平下,平均回收率为70.3%~107.2%,相对标准偏差(RSD)为1.4%~9.9%,定量限为10.0~20.0 μg/kg。该方法简单,灵敏度高,准确可靠,可对果蔬中植物生长调节剂进行快速筛查和定量分析。     

基于信息增益的多标签特征选择算法

多标签特征选择是一种提高多标签分类器性能的技术。针对目前这类技术在给出合理特征子集合时无法同时兼顾计算复杂度和标签间的相关性的问题,提出一种基于信息增益的多标签分类算法。该算法假设特征之间相互独立,首先使用单个特征与整个标签集合之间的信息增益来度量这两者的关联程度,再根据阈值删除不相关的特征以得到最优特征子集合。实验表明,该算法能有效地提高多标签分类器的分类性能。     

基于伪成对标签的深度无监督哈希学习

无监督的深度哈希学习方法由于缺少相似性监督信息,难以获取高质量的哈希编码.因此,文中提出端到端的基于伪成对标签的深度无监督哈希学习模型.首先对由预训练的深度卷积神经网络得到的图像特征进行统计分析,用于构造数据的语义相似性标签.再进行基于成对标签的有监督哈希学习.在两个常用的图像数据集CIFAR-10、NUS-WIDE上的实验表明,经文中方法得到的哈希编码在图像检索上的性能较优.     

离散合取聚合算子的迁移性

主要研究了有限链上合取聚合算子的迁移性问题;讨论了可分三角模关于取小三角模和?ukasiewicz三角模的α-迁移性;研究了含加法生成子的合取聚合算子类关于取小三角模和?ukasiewicz三角模的α-迁移性, 其中主要利用了加法生成子来刻画此类中元素的迁移性。结果表明：（1）可分三角模是关于取小三角模的α-迁移当且仅当α是其幂等元;（2）可分三角模是关于?ukasiewicz三角模的α-迁移当且仅当其是?ukasiewicz三角模;（3）含加法生成子的合取聚合算子类中的元素是关于取小三角模和?ukasiewicz三角模的α-迁移的条件。     

基于典型相关分析的复杂网络模块挖掘算法

利用典型相关分析(CCA)分析了复杂网络中的功能模块及其相互关系,并将其转化为LASSO回归优化问题,提高了结果的可解释性。在此基础上,提出了一种模块及其相互关系的挖掘算法。该算法不仅能准确挖掘网络中的功能模块,而且还能同时度量模块之间的相关程度。人工生成数据集和DBLP数据集上的模拟实验表明,提出的算法能准确地挖掘网络中的功能模块及其相关性。