基于m-n变进制规则的动态图软件水印算法?

针对软件水印分存算法恢复缓慢、数据扩张的缺点,提出一种基于m-n变进制规则的动态图软件水印算法,利用水印信息、m-n变进制数、排列数与置换图之间的对应关系,实现水印的分存和编码。当水印嵌入时,根据变进制规则将水印信息分存为一组变进制数,构造一个完美哈希函数将变进制数映射为对应的排列数,把得到的排列数编码为置换图结构嵌入到程序的执行代码中,水印提取是水印嵌入的逆过程。实验结果表明,该算法能减小程序的负载,降低水印嵌入和提取的时间复杂度,增强水印的隐蔽性和纠错能力。     

数独难度级别划分的权重法研究

给出候选数模式下模仿人工智能求解数独的一系列填数及删减规则,在此基础上提出模仿人工智能的求解算法及数独难度衡量方法。从数独博士5个难度级别中随机抽取各100道题目,采用难度衡量标准重新分级,并将结果与数独博士等级划分标准做相关性检验, 得到Goodman-Kruskal相关系数r=0.82,说明该标准与数独博士的难度划分标准有较强的相关性,并给出随机生成数独题目的算法。通过难度衡量方法与生成算法,可以随机生成5个不同难度的数独谜题。     

项约束先过滤的最大频繁项集挖掘算法

在稠密型数据库中,现有最大频繁项集挖掘算法效率低、耗时长,挖掘结果模糊,不利于用户使用。为此,提出一种项约束先过滤的最大频繁项集挖掘算法——VCM。利用项包含约束过滤数据库,使用垂直数据表示数据集,采用深度优先的挖掘策略对数据库进行最大频繁相集的挖掘。实验结果表明,该算法快速有效,尤其在挖掘具有长模式的稠密数据库时优势明显。     

非线性系统确定采样型滤波算法综述

确定采样型滤波包括Unscented卡尔曼滤波（UKF）,中心差分卡尔曼滤波（CDKF）以及容积卡尔曼滤波（CKF）,是一类基于确定解析采样近似方法的非线性次优高斯滤波算法,具有估计精度高、实现简单等优点,已得到国内外学者的广泛关注.在阐述确定采样型滤波基本原理的基础上,详细总结了近年来确定采样型滤波的研究现状,包括各种改进算法和在不同领域的应用情况;然后重点分析了确定采样型滤波所存在的问题;最后展望了其未来发展趋势和研究方向.     

一种基于Apriori的关联规则的改进算法的研究

Apriori算法是关联规则的经典算法,并己经被越来越多的企业使用。它在给企业带来经济效益的同时,也让人们意识到算法自身的不足:第一,该算法在扫描事务数据库的次数过多,从而需要承担很大的I/O负载;第二,它可能产生庞大的候选集。为了提高Apriori算法的效率,针对减少扫描事务数据库次数的方法,提出一种改进挖掘效率的算法。     

采用数据挖掘的自动化推荐技术的研究

随着网络的迅速发展,各种数据量变得庞大且分散,利用关键词检索数据的传统方式变得相当费时。为了减少用户在网络上的搜寻时间,提供用户更确切的内容信息,自动化推荐系统(Automatic Recommender System)应运而生。该研究将人工神经网络中的自适应共振理论(Adaptive Resonance Theory,ART)和数据挖掘技术结合起来,建构了一个可自动聚类族群特征且能挖掘出关联规则的自动化在线推荐机制。同时将用于用户聚类的ART算法进行了改进,提出了MART聚类算法,使由推荐系统得出的结果变得更加合理和灵活。     

入侵检测系统的设计与实现

入侵检测是一种通过某种方法完成网络系统中入侵行为检测和报告的技术。鉴于目前校园网络环境普遍存在的安全问题的现状,主要讨论如何在校园网中部署入侵检测系统。     

五年制高职物联网技术应用专业人才培养方案的探索与实施

通过对五年制高职物联网技术应用专业人才培养的需求分析、人才培养定位及目标的制定、课程体系的开发与设计以及在人才培养方案实施过程中遇到的问题等方面的分析和探讨,探索出符合我校特色的五年制高职物联网技术应用专业人才培养方案,以期该研究工作有助于即将开设该专业的学校提供参考     

改进的关联规则挖掘算法在入侵检测中的应用

研究关联规则的高效挖掘算法对于提高入侵检测的检测率和效率具有重要的意义.针对当前关联规则挖掘采用的支持度-置信度框架在具体应用中存在的问题,本文将PSA兴趣度模型和增量链表规则结合起来应用到入侵检测中,提出新的入侵检测方法-PSAIL.实验测试结果表明,该算法在挖掘速度、检测率上有较大提高,说明该算法的优化策略是有效的.     

基于关联规则挖掘的图像检索

针对图像检索中图像相似性判断所面临的"语义鸿沟"问题,本文提出了基于关联规则挖掘的图像检索。该方法利用数据挖掘技术,对图像纹理的各种低层可视化特征进行分析挖掘,获得一系列的图像低层特征值与高层概念之间的各种规则,将这些规则构成图像知识库,并与概念集合相对应。实验结果表明,采用关联规则挖掘能很好的提高图像检索的准确率。