图形文件几何参数的抽取技术

阐述了从图形文件抽取几何参数的技术，即把复杂的内部图形文件转换成外部可读的通用文件．通过对通用文件的结构分析，找出其内在的规律，然后用高级语言进行抽取和加工，将用户所需的几何参数写人数据文件，提供给用户读写，从而达到对图形数据管理的目标．     

基于相似性的关联规则启发式发现

找出众多关联规则中用户感兴趣的关联规则,除靠最小支持度和最小可信度外,把相似性计算融合到通过剪枝选出用户感兴趣规则的模板理论中.提出一种基于相似性的关联规则启发式发现方法.该方法有效地解决了模板理论中的由于描述模糊而导致的不合理剪枝的问题.     

基于小波变换和反馈的时间序列相似模式搜索算法

为得到有价值的相似时间序列,分析小波变换及其在寻找相似时间序列上的优越性;指出了现有的基于小波变换的相似时间序列搜索算法的2个缺点,提出了基于小波变换和加权反馈的时间序列相似模式匹配算法和基于验证深度的验证方法;通过实验证明了算法的有效性和实用性.     

基于基因算法的信息免疫模型

研究Web信息过载的问题,提出一种新的基于基因算法的信息免疫模型(IIM).根据免疫细胞的特异性,利用IIM不同的染色体描述用户需求,并专注于对无关信息的处理,使用户免于该类信息的入侵,并引入了特征选择和信息熵,阈值的选择也是可变的.通过实验与Rocchio方法进行了对比,结果表明,IIM的查准率比Rocchio的高27.5%,查全率比Rocchio的高47.7%.     

基于树自动机的网页数据抽取

为了自动将数据从HTML网页中抽取出来,采取树自动机推断方式进行数据抽取.核心思想是将样本网页转化为二叉树并构建出能够接受这些网页二叉树的树自动机,利用所得到的树自动机对待抽取网页的接受和拒绝状态进行数据抽取.该方法充分利用了HTML文档内在的树状结构,设计了简单方便的样本网页标注形式.实验表明,该方法的抽取性能在查全率和F值方面优于其它的一些数据抽取方法.     

改进的邻域支持向量解算法

针对实施邻域风险最小化原则的邻域支持向量解算法,根据被错分样本一定是支持向量提出一种利用支持向量删除训练样本中难学习样本的修剪算法;依据最大似然原则对已有的高斯邻域函数参数取值方法进行改进.初步实验表明,训练样本的修剪与邻域函数参数取值方法的改进可明显提高邻域支持向量解算法的泛化能力,比SVM测试准确率提高0.5%左右.     

异构信息源集成技术

异构信息源集成技术提供统一接口,使各种基于因特网的应用能迅速、准确地提取所需信息,为用户屏蔽各种信息源的异构性.这种异构信息源的集成技术从传统的结构化的异构数据库扩大到半结构化的大量Web页面信息及无结构的信息.对集成技术的方法,如数据模型、Web信息、描述语言XML、主流软件开发技术及信息智能搜索、查询重写、查询分析等进行了分析,给出了半结构化异构信息源集成的系统架构,并指出该项技术未来发展趋势.     

基于RBAC改进模型的角色权限及层次关系分析

针对著名的RBAC96模型的不足之处,结合私有权限、部门权限和权限属性变化等问题,对角色权限及角色层次关系进行了分析,提出了一个改进的角色层次化关系模型.该模型引入特征权限等概念,通过定义一般继承、私有化继承、公有化继承和无特征继承等新的角色继承方式建立角色层次化关系模型.新模型比RBAC96模型更加简化和易于理解,且具有更强的可伸缩性,特别适合于在复杂的角色层次关系中应用,例如网络操作系统、大型数据库、分布式应用等.     

基于一类SVM的贝叶斯分类算法

提出一种基于一类支持向量机(one-class SVM)的贝叶斯分类算法,该算法用一类SVM对类条件概率密度进行估计以构造贝叶斯分类器. 证明采用高斯核的一类SVM,其解可以归一化为密度函数,并把该密度函数看作类条件概率密度的平滑估计,构造贝叶斯分类器. 实际数据集上的实验结果表明,提出的分类算法测试准确率高于简单贝叶斯分类器与贝叶斯网络分类器,不低于传统二类SVM;比传统二类SVM需要计算的核矩阵规模更小,训练时间更短.     

移动自组网中一种基于能量的稳定备用路由算法

提出一种基于能量意识的稳定备用路由算法EASBRA.该算法利用网格中节点的地理信息进行路由,并且选择一条最稳定的不相交备用路由.同时提出了一种受限的泛洪算法CF.通过理论分析表明,该CF算法比传统的泛洪算法更加节能,并且EASBRA有着更低的路由发现频率.模拟结果显示,与AODV和AODV-BR相比,EASBRA有着更高的投递率,更短的路由延迟和更少的能量消耗.