基于数据挖掘的恶意程序智能检测研究

恶意程序的快速繁衍对用户信息安全造成了极大的危害,传统查杀方式的滞后性和不智能性已经无法满足当前恶意程序检测的需求。研究Windows平台恶意程序新型特征的筛选方法,筛选出恶意程序的新型特征并结合数据挖掘方法提取恶意程序的智能检测规则,着重介绍了样本数据处理过程和新特征筛选过程,并使用分类方法对筛选的新型特征做了仿真实验分析。实验结果表明,该恶意程序新型特征有效提高检测的准确率,降低漏报率和误报率。     

一种基于加权多准则的火炮爆炸场中高温火球三维温度场的迭代重建算法

针对爆炸场温度高、温度动态范围大、不可直接测量、温度场重建难以取得较高精度等问题,改进了一种在图像重建中广泛应用的联合代数重建（simultaneous algebraic reconstruction technique,SART）算法,以实现爆炸场中温度场的重建。该改进方法将原算法迭代固定步长改为自适应步长,通过判断相邻像素间是否产生畸变来决定迭代步长的大小,无畸变时迭代步长较大,有畸变时则加入惩罚使迭代步长变小;并在SART算法满足的最小二乘准则中加入均匀性准则,提高重建质量。通过仿真实验讨论了惩罚区域和惩罚系数对重建图像质量的影响,并对比了传统SART算法和在校正项中加入惩罚的SART算法。实验结果表明,由于改进方法在迭代系数中加入了惩罚项,得到的重建图像质量更高。     

数据挖掘预测模型在脑伤患者认知功能康复中的应用与研究

为了更好地预测后天性脑损伤（ ABI）患者认知功能康复的影响因素，借助于10折交叉验证测试算法，通过专一性、灵敏度和精度分析以及混淆矩阵分析对模型的性能进行测试，从而获得新的知识以评估和改善认知功能康复过程中的有效性。实验利用决策树（ DT）、多层感知器（ MLP）和广义回归神经网络（ GRNN）三种预测模型对250例ABI案例进行了测试，结果表明，基于DT的模型的模拟结果明显比其他模型更为优越，预测平均精度可高达90．38％。     

量化交易中无需最小支持度阈值的模糊关联规则挖掘

现实量化交易应用中,传统的模糊数据挖掘算法往往需要针对给定的量化交易设定最小支持度阈值,然而,这些方法中存在的普遍问题是很难找到合适的最小支持度阈值,并且因为推导出的规则通常是常识而没有实际的商业意义。为了解决这个问题,提出了一种无需最小支持度阈值的模糊关联规则(fuzzy coherent rule,FCR)挖掘算法。首先将量化交易转换成模糊集,然后通过收集已经生成的模糊集生成候选模糊关联规则,最后计算出列联表并用其检查这些候选模糊关联规则是否满足四项判断准则。如果满足,则可以确定为模糊关联规则。在Foodmart数据集上的实验验证了所提算法的有效性,相比原始模糊关联规则(fuzzy association rules,FAR)挖掘算法,所提的FCR方法能够推导出更多的规则,并且能够在高置信度时推导出更多有用的规则。     

论涉外民事诉讼管辖权冲突的协调

涉外民事诉讼管辖权的冲突,本质上是当事人之间、不同国家法院之间的利益冲突。各国解决涉外民事诉讼管辖权冲突的方式是不同的。为了进一步促进国际经济合作,保护当事人的合法权益,中国应对涉外民事诉讼管辖权冲突的协调方式作相应的改革、完善。