一种新的数据预处理算法--NLCA

针对数据预处理的方法进行了研究,提出了基于非线性相关性分析与量化（Non-Linear Correlation Analysis,NLCA）算法。NLCA算法是一种基于在多重图中通过对多重边聚合从而达到约简的工具,它包括边聚合与点聚合。这种算法能够很好地表示实时数据全局的相关性,改进了现有使用联合概率的单一计算方法。对该算法进行了大量实际数据的验证,显示出它是一种优于现有的数据预处理方法。     

SVG技术在P4口监控信息系统中的应用

国内外发电企业生产过程中的数据分散、无法合理有效利用等问题仍旧困扰企业快速发展,而采用SVG技术可以使这些数据图形化、模块化,从而更大程度的为信息管理系统提供决策支持.为此,在介绍SVG的基本概念和主要特点的基础上,通过描述SVG技术在广蓄电厂P4口监控信息系统中的具体应用,充分展示了SVG技术在图形转换交互方面的优势,体现了SVG技术在电厂生产运行中发挥的巨大作用.     

时间序列的相似性的分层查询

提出了一种新的基于重要点的分段方法,将时间序列数据转换为趋势序列。在进行相似性比较时先进行趋势相似的比较,然后对结果进行欧氏距离的比较。实验结果表明该算法是有效的。     

基于动态规划的方向蛇模型

方向蛇模型的优点是在模型中不仅运用图像的梯度特性,还充分运用梯度的方向特性,从而提高了图像分割的准确性。文章给出了方向蛇模型的动态规划优化算法,避免模型因采用变分法优化而必须面对的难以达到全局最优,甚至局部最优的现象,提高了图像目标轮廓的检测效率。实验结果表明该方法是有效的。     

基于搜索引擎的关键词自动聚类法

互联网为用户提供了一个丰富的信息平台。然而,当前人们对互联网中海量信息的利用主要通过搜索引擎去查询相关的信息,互联网只是作为一个简单的信息库供用户检索。本文研究通过搜索引擎获得互联网信息并且在此基础上进行更高层次的知识挖掘——基于搜索引擎对关键词进行自动聚类。这是一个全新的研究,实验结果表明该方法具有理想的效果和新颖的构思。     

基于关键词聚类和节点距离的网页信息抽取

大部分网页信息抽取方法都针对特定的网站,例如基于网站抽取规则和基于训练网页样例的方法。这些方法在某一个网站上可以很好地应用。但当遇到新的网站时,必须人为地增加抽取规则或者提供新的训练网页集。而且,当网站的模版改变时,也要重新设计这些规则或重新输入训练网页集。这些方法难以维护,因此不能应用到从大量不同的网站上进行信息抽取。本文提出了一种新的网页信息抽取方法,该方法基于特定主题的关键词组和节点距离,能够不加区分地对不同的网站页面信息自动抽取。对大量网站的网页进行信息抽取的实验显示,该方法能够不依赖网页的来源而正确和自动地抽取相关信息,并且已经成功应用到电子商务智能搜索和挖掘系统中。     

基于支持向量方法和击键序列的主机入侵检测

击键特征是一种能反映用户行为的动态特征,可作为识别用户的信息源。传统方法不仅要求收集大量击键样本来建立识别模型,并且同时需要正例样本与反例样本。但在实际应用中,需要用户提供大量的训练样本是不现实的,并且反例样本收集比正例样本收集困难。为此,提出一种新的以击键序列为信息源的主机入侵检测模型。在小样本和仅有正例的情况下,通过One-Class支持向量机（OCSVM）来训练检测模型,通过对用户的击键行为是否偏离正常模型来检测入侵。仿真实验结果表明该模型具有较好的检测效果。     

基于粗集的T细胞表位预测方法

T细胞表位预测技术对于减少实验合成重叠肽、研究病原体与机体作用的免疫机制以及深入理解T细胞介导的免疫特异性均有重要意义。为增强T细胞表位预测模型的可理解性,本文在通过肽的预处理构建出存储等长肽段的决策表之后,设计出了一种基于粗集的T细胞表位预测方法。该方法由基于信息熵的属性约简完备算法和基于锚点知识的属性值顺序约简改进算法共同组成。基于HLA-DR4（B10401）编码的MHCII类分子结合肽的实验数据表明,在预测精度与传统神经网络方法大致相当的基础上,本文方法可以提取出用于帮助专家理解MHC分子与抗原肽结合机理的产生式规则。     

基于两种纹理特征聚类的图像检索

设计和实现两种不同的分形维数作为纹理特征进行聚类的方法.提取几百幅不同图像的两种纹理特征,对特征库按聚类算法建立索引结构,形成图像的分类库,通过两种不同纹理特征的检索与无聚类的特征检索相比,实验结果表明聚类方法大大缩短了检索时间.结论:作为海量图像的检索,有效的图像特征结合聚类是一个有力工具,在研究信息分类与识别等方面具有应用潜力.     

基于粗集理论和SVM算法的入侵检测方法研究

提出了一种将粗集方法与SVM算法结合起来的入侵检测方法。利用粗集理论在处理大数据量、消除冗余信息等方面的优势,减少SVM训练数据,克服SVM算法因为数据量大,处理速度慢等缺点。同时,借助于SVM良好的分类性能,对粗集约筒后的最小属性子集进行分类,实现入侵检测的快速性能,高检测率和抗噪声强等优点。实验结果表明,该方法优于其它同类方式。