结合模糊集理论的粗糙集属性约简算法*

结合模糊关系的理论,对粗糙集理论的属性约简算法进行研究,提出了一个新的属性约简算法,并给出了一个应用实例.     

增量式关联分类方法在病毒检测中的应用

传统关联规则挖掘算法主要基于支持度一可信度构架,时空开销的限制使其无法深入挖掘非频繁项集。171前对带类属性的关联分类增量学习研究较少,该文提出一种新的增量式关联分类方法,解决了带类属性数据的增量学习问题,在数据频繁更新时,实现有限时空开销下关联规则的快速提取和维护。实验结果表明,该方法能有效维护并更新关联规则,避免重复学习历史样本,保证分类模型的预测能力。     

一种新的蛋白质序列模式挖掘算法

针对传统模式挖掘方法挖掘蛋白质序列会生成大量候选模式或多次构造投影数据库,导致效率降低,挖掘过程中会产生不必要的短模式或错误模式等问题,提出基于模式划分的MBioPM算法。理论分析和实验表明,MBioPM算法的性能高于其他相关算法。     

基于 XGBoost 的基因静态数据调控网络推断方法

对于静态基因表达数据来说,推断基因调控网络仍是系统生物学中的一个挑战——存在大量识别难度高的直接或间接调控关系,而传统方法的准确性和可靠性还有待进一步提高。为此,该文提出一种基于 Boosting 集成模型的方法(XGBoost),应用随机化和正则化来解决模型过拟合问题,同时针对建模所得权重不一致的问题,对初始权重增加归一化和统计学方法处理。最终,采用 DREAM5挑战的基准数据集对所提出方法进行性能验证。实验结果表明,XGBoost 比现有其他方法获得更好的性能：在 in-silico 生成的模拟数据集中,接受者操作特征曲线面积(AUPR)和正确率-召回率曲线面积(AUROC)两个评估指标均显著优于现有方法;在 E.coli 和 S.cerevisiae 两种生物的真实实验数据中,AUROC 指标均高于现有最优方法。     

基于深度学习的网络流时空特征自动提取方法

流量异常检测是网络入侵检测的主要途径之一,也是网络安全领域的一个热门研究方向。通过对网络流量进行实时监控,可及时有效地对网络异常进行预警。目前,网络流量异常检测方法主要分为基于规则和基于特征工程的方法,但现有方法需针对网络流量特征的变化需重新人工收集规则或 构造特征,工作量大且繁杂。为解决上述问题,该文提出一种基于卷积神经网络和循环神经网络的深度学习方法来自动提取网络流量的时空特征,可同时提取不同数据包之间的时序特征和同一数据包内字节流的空间特征,并减少了大量的人工工作。在 MAWILab 网络轨迹数据集上进行的验证分析结果表明,该文所提出的网络流时空特征提取方法优于已有的深度表示学习方法。     

正态圆分布下的双机吊放声纳扩展方形搜潜建模

针对反潜直升机吊放声纳搜潜概率计算问题,在分析扩展方形搜潜法的基础上,提出了对称扩展方形搜潜法。并且,以双机使用吊放声纳搜潜为例,以目标位置服从正态圆分布为条件,采用解析法建立了对称扩展方形搜潜概率计算模型。同时,针对已探测区不出现目标的面积会随时间衰减的事实,对搜索概率计算模型作了修正。最后,仿真计算了搜索高、低速两类目标下的搜索概率,结论是:搜索低速目标时,对称扩展方形具有更高的发现概率;而对于高速目标,两种方法的搜索概率都较低,难以满足反潜要求。     

井下测绘布线控制数据结构的建立

通过对井下测绘线控制数据结构的分析与研究，阐述了各种数据结构方案的优劣，提出了利用C语言设计的一种数据结构，为矿井测绘数据计算机处理的实现提供参考。     

利用C＋＋开发矿井测绘应用软件

通过对井下测绘工作的分析与研究，阐述了计算机在测绘工作中的应用，给出了利用Ｃ＋＋编制的矿井测绘应用软件的模型，为矿井测绘工作数字化技术的应用及测绘科技的发展，提供参考。     

基于协同网决策的编队火力反导效能分析

将协同性分析进行量化,提出基于火力分配环协同度的概念,为进行协同性的定量决策提供了基础.并在协同度的基础上,构建编队火力反导的协同网,采用效能通路法确定编队协同网的最大效能.并将效能扩展到了多指标的情况,从而给出了编队协同网火力反导的定量计算方法.     

一种基于KNN的融合聚类算法

聚类是数据挖掘领域一个被广泛研究的问题.单一的算法较难获得高的聚类准确率,甚至对于特定的数据集也很难找出最佳的方法进行聚类分析.提出了一种基于KNN的融合聚类算法(KNNCE),该算法基于累积k最近邻产生数据点间相似度,并通过single-link算法构建层次聚类树得到最终的聚类划分,且能够自动确定最佳聚类数,从而很好地解决以上的问题.最后,通过常用数据测试和入侵检测方面的应用表明该算法是有效的.还把它和同类算法进行比较和分析,以证明算法的优越性.