基于Agent的多校区图书馆管理系统

提出一种基于 Agent 技术的多校区图书馆管理系统，解决现有多校区图书馆馆间互操作问题，提高图书馆的管理水平和图书及电子资源的利用率。     

基于模糊积分的多神经网络融合模型的研究

为了进一步提高网络入侵检测系统的检测性能,将模糊积分理论和神经网络技术应用到网络入侵检测中,提出了基于模糊积分的多神经网络融合模型MNNF。它的基本思想是按照TCP/IP属性集的类别不同将TCP/IP数据集分成三个不同属性集的子数据集,在不同属性集上训练形成不同的子神经网络,然后用模糊积分将多个子神经网络对TCP/IP数据的检测结果进行非线性融合形成最优判断。实验结果表明,MNNF模型应用在网络入侵检测中可以得到比单个神经网络更好的入侵检测性能。     

基于模糊积分融合的网络入侵检测模型的研究

为了进一步提高网络入侵检测系统的检测性能,提出了基于模糊积分融合的网络入侵检测模型。采用sugeno模糊积分和choquet模糊积分来研究该模型,并采用KDD99数据来验证该模型的有效性,实验结果表明,在网络入侵检测中,sugen。和choquet都能得到较好的融合效果。然而,由于sugeno强化了主要因素的作用,但却完全忽视次要因素的影响,而choquet考虑了各种影响因素,避免sugeno的缺陷,因此,choquet融合效果优于sugeno。     

通用业务报表数据管理

为解决对具体报表进行“硬编码”带来的问题,设计一个通用业务报表数据管理解决方案。将业务报表分为报表信息定义层、报表业务处理层、功能接口层,并详细论述各层的实现方式。该解决方案已应用到预算编审系统,大大降低了业务变化导致的报表改动对整个软件的影响。     

ActiveX在LabVIEW下的事件回调和数据传递

本文介绍了ActiveX控件的特点,阐述了LabVIEW7.1下ActiveX控件的使用原理及其事件回调的注册方法,解决了事件回调编程中的数据传递难题,保证了数据的实时传输和数据处理,避免了数据的丢失和数据覆盖。本文以MSCOMM32控件为例,介绍了MSCOMM32在LabVIEW下的事件回调和数据传递技巧,具有技术的通用性,对扩展LabVIEW自身功能具有应用价值和参考价值。     

基于蜜罐的网络病毒特征研究模型

HSWS(基于蜜罐的网络病毒特征研究模型)利用蜜罐技术的优势,收集网络病毒在蜜罐上的活动信息;根据蜜罐响应的信息和网络截获的攻击数据包,用攻击树方法重构病毒攻击过程;并根据目标对攻击信息进行分类,用LCS算法在同类攻击数据中生成网络病毒的特征。对收集的新型网络病毒特征扩充IDS的特征库,弥补入侵检测系统对未知病毒攻击无法识别问题,完善防御系统。     

基于Pareto强度值演化的FPRs知识表示参数优化

提出一种新的参数优化模型和求解算法,引入模糊熵来指导模糊产生式规则(FPRs)的参数优化,给出基于极大模糊熵定理的参数优化模型,提出求解该模型的Pareto强度值的演化算法。实验结果表明,该方法能够有效优化参数,一定程度上避免过度拟合,提高了FPRs的知识表示能力。     

TCP/IP审计数据缩减技术在入侵检测中的可行性研究

目前的一些入侵检测系统是利用网络层的TCP/IP数据包里的特征进行分析建模,但TCP/IP的特征属性对检测过程的贡献不同,因而如果能够在不影响检测准确性的前提下,适当缩减特征属性的数量,那么对于提高IDS的检测率和实时性势必产生有益的影响,鉴于此该文提出基于决策树的规则统计方法(DTRS)来缩减TCP/IP的特征属性。它的基本思想是通过在n个子数据集上建立n棵决策树,提取其中的规则,根据特征属性使用频度的不同,计算出相对重要的属性,并通过实验验证了其可行性和有效性。     

多决策树融合模型MDTF的研究

基于数据挖掘的入侵检测系统中存在着检测性能低和数据挖掘效率不高等问题.为了解决这些问题,提出了多决策树融合模型MDTF,也就是把海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用加权平均法将多棵子决策树对网络数据的检测结果进行融合形成最优判断.实验采用KDD99数据,实验结果表明,该方法可以得到较好的入侵检测性能,分布并行处理可以提高数据挖掘效率.     

多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。