基于时间自动机的脑网络时空演化建模方法

人类大脑本质上是不断变化的整体,但基于静息态功能磁共振成像重构技术的人脑网络动态特性研究尚在起步阶段,并且大多采用定性的方法描述。采用时间自动机理论对脑网络在时间和空间上的系统动态特征和演化过程展开了建模方法研究,首先通过对采样时间区间上血氧依赖水平信号的处理得到全脑脑区在单个采样点上的状态描述,然后通过无监督聚类获取其状态集,研究其状态随时间转换的可观测性,最后在此基础上结合时间自动机理论对脑网络状态的演化过程进行建模,从而达到对脑网络动态特性定量描述的目的。实验结果显示该方法可定量描述人脑网络的状态转换规律和演变进程,对不同被试数据具有普适性,并且可辨识出被试的异常演化过程,为脑网络动态特性的深入研究提供了理论基础。     

一种基于灰色等维新息模型的目标跟踪算法

灰色系统理论将随机过程看成为灰色过程,利用数据表面离乱但整体有序的特点,挖掘潜在本质规律。对运动物体进行光学跟踪及轨迹预测,在飞行器导航、机器人路径规划等方面一直是个研究热点。根据灰色系统理论的思想,提出一种基于灰色等维新息模型的目标位置跟踪预测方法,对其进行具体分析并应用于一目标光学跟踪实验系统并验证了其有效性,最后建议指出了改进此算法的两个新的研究点。     

工业控制系统的安全技术与应用研究综述

为应对控制系统与互联网技术深度融合引发的安全新挑战,抵御震网病毒、火焰病毒、BlackEnergy等靶向攻击,针对工业控制系统漏洞挖掘、修复与控制等技术滞后,以及工业控制安全面临的“难发现、难监测、难防护”等问题,通过对工业控制系统的理论模型、关键技术、装备研制及测试评估进行研究,以漏洞挖掘与利用研究为主线,以理论与体系架构研究和安全技术测试验证平台的建设为基础,以动态监测防护和主动防御为目标,以测试样例集的攻防验证与典型示范为应用,提出了包含工业控制系统漏洞挖掘、深度检测、动态防护、主动防御等的整体安全技术解决方案,设计并构建了集漏洞挖掘、验证评估、动态防护、主动防御于一体的工业控制系统安全技术体系。     

基于Rough集的动态信息系统的规则挖掘

在动态信息系统模型下,采用Rough集的方法对信息系统在时间进程与场景变化中的规律进行研究.在论域不变的条件下,提出差异信息系统的概念与构造过程,并在此基础上给出了一种启发式的规则挖掘算法,并对算法复杂度进行了分析.利用该算法得到的决策规则,很好地反映了条件性值的变化与决策变化趋势之间的内在联系.     

无人机飞行控制仿真环境三维视景子系统设计

针对无人机飞行控制仿真环境以数据方式输出仿真结果不利于挖掘隐藏于数据中的本质特性的缺陷,借助虚拟现实技术的相关理论,设计实现基于无人机飞行控制仿真环境的三维视景子系统,实时动态再现无人机飞行运动全过程,为研究无人机飞行运动规律提供直观的事实根据。阐述了无人机飞行控制仿真环境三维视景子系统设计实现的目标,构造了系统结构并提出了三维视景系统的实现框架,对视景系统实现的主要技术进行了着重介绍,在视景系统的具体实现中对视景数据库设计、视景系统开发、视点切换、LynX Prim e和ACF配置文件、数据通信接口的具体实现进行了详细的论述。最后给出了系统的实施效果。     

山区陡坡桥梁基础防地质灾害技术研究

文章主要研究了山区陡坡桥梁基础中的防地质灾害技术。本文首先分析了山区陡坡桥梁桩基础施工中地质灾害发生的主要因素,从岩土状况及地质条件两方面出发,研究了该环境下地质灾害发生的本质原因;其次,在该基础上对桥梁下部结构防护技术及陡坡地质灾害防护技术进行探究,深入挖掘了防地质灾害技术在山区陡坡桥梁基础施工中的运用效益。文章对山区陡坡桥梁基础安全效益的提升具有一定的贡献性作用。     

特征加工链选用规律的挖掘、修正及其在工艺决策中的应用

有别于其他直接以形状相似性或语义相似性作为工艺决策推理基础的研究,在充分考虑特征加工链选用规律对工艺设计活动影响的基础上,将对特征加工链选用规律的挖掘及其合理修正结果作为支持工艺决策的证据,确保工艺设计决策的有效性.首先,对特征的工艺实现需求进行分组,并利用统计方法对符合具体需求的特征加工链的选用规律进行挖掘;然后,对符合需求特征加工链的理论使用概率进行分析,并用获得的理论概率修正所对应加工链的实际选用规律;最后,以修正后的规律作为工艺决策的依据,利用D-S证据理论实现特征加工链的选用决策.实例验证表明,所提出的方法具有可行性.     

基于DFL的自主学习子空间的公理体系研究

动态模糊逻辑理论是一种新的有效处理动态、不精确、不确定、含糊信息的理论,自主学习历来是教育和心理学家共同关注的一个重要问题,也是当前机器学习领域研究中的一个热点问题.自主学习公理体系研究是自主学习理论及应用研究的基础.利用动态模糊关系,建立自主学习子空间的公理体系.该公理体系由几个相互独立的非常简洁的表达式构成,进一步深化了动态模糊和自主学习理论.     

关联规则挖掘在经穴诊疗文献整理中的应用

本研究主要针对数据挖掘的概念和原理，对关联规则挖掘的基本理论及经典挖掘算法进行阐述。通过分析文献资料，希望能够找出症状与穴位等方面的内在规律，更好的应用于，临床实践中。     

基于背景和内容的微博用户兴趣挖掘

微博用户兴趣挖掘是个性化推荐、社群划分的基础工作.在深入分析微博网络特点的基础上,给出了能够揭示微博网络多模性的描述模型,对面向微博网络的后续研究具有参考价值.根据微博网络的特点,提出了基于背景的用户静态兴趣表示及挖掘方法,以及基于微博的用户动态兴趣表示和挖掘方法.针对微博网络中缺少背景信息、发表微博很少的大量不活跃用户,提出了基于关注的用户兴趣挖掘方法.以新浪微博为例,选取了时尚、企业管理、教育、军事、文化这5个领域进行用户兴趣挖掘及相似度计算的实验分析和比较,结果表明,与主流的兴趣挖掘方法相比,该微博用户兴趣的表示和挖掘方法可以有效地改善微博用户兴趣挖掘的效果.     

缺失数据数据集的组增量式特征选择

实际应用中获取到的数据集通常是动态增加的,且随着数据获取工具的迅速发展,新数据通常会一组一组地增加。为此,针对含有缺失数据的动态数据集,基于粗糙集理论,提出了一种组增量式的粗糙特征选择算法。首先分析、证明了信息熵的组增量计算公式,并以信息熵作为特征重要度的度量,在此基础上设计了基于信息熵的可有效处理含有缺失数据的动态数据集的组增量式特征选择算法。实验结果进一步证明了新算法的可行性和高效性。     

基于信息论的高维海量数据离群点挖掘

针对高维海量数据集离群点挖掘存在“维数灾难”的问题,提出了基于信息论的高维海量数据的离群点挖掘算法。该算法采用属性选择,去除冗余属性降维。利用信息嫡作为离群点判断的度量标准,消除距离和密度量纲的弊端。在真实数据集上的实验结果表明,算法对高维海量数据离群点挖掘是有效可行的,其效率和精度得到了明显提高。     

动态KDD过程中矛盾规则的研究

随着数据量的海量扩张、数据类型的复杂化,矛盾知识的问题越发突出,成为KDD领域中一个亟待解决的问题。通过对知识发现内在机理的研究,探讨在动态的知识发现过程中,矛盾知识的产生原因以及矛盾区间的求解方法,对解决当前主流发展中所面临的若干难题将具有一定的理论和实际意义。     

动态数据挖掘过程中矛盾性知识的研究

目前知识发现领域中前沿的、棘手的但又是亟待解决的问题之一就是有关矛盾性知识的问题。本文在积累多年来对知识发现内在机理研究成果的基础上,进一步探求在动态大系统的知识发现过程中,矛盾性知识的概念模型及其突变规律,对当前主流的发展、解决KDD所面临的若干难题和挑战将具有一定的理论意义和实际意义。     

基于多尺度的时序数据部分周期模式增量挖掘

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题,提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法（MSI-PPPGrowth）,所提算法充分利用了时序数据客观存在的时间多尺度特性,将多尺度理论引入时序数据的部分周期模式挖掘过程。首先,将尺度划分后的原始数据以及增量时序数据作为更细粒度的基准尺度数据集进行独立挖掘;然后,利用不同尺度数据间的相关性实现尺度转换,以间接获取动态更新后的数据集对应的全局频繁模式,从而避免了原始数据集的重复扫描和树结构的不断调整。其中,基于克里金法并考虑时序周期性设计了一个新的频繁缺失计数估计模型（PJK-EstimateCount）,以有效估计在尺度转换过程中的缺失项支持度计数。实验结果表明,MSI-PPPGrowth具有良好的可扩展性和实时性,尤其是对于稠密数据集,其性能优势更为突出。     

图像挖掘研究

图像挖掘是一个新兴的具有挑战性的研究领域,同时它作为数据库和信息决策等领域的一个前沿分支近年来受到人们的关注.首先研究了图像挖掘的特性,提出了几个不同于传统数据挖掘的图像挖掘特性,然后对图像挖掘的总体过程和主要模型进行了分析,并对图像挖掘的主要技术进行了讨论.在此基础上,对目前图像挖掘的应用情况进行了分析和讨论,最后对图像挖掘的一些问题及未来的发展进行了展望.     

A Mathematical Foundation for Improved Reduct Generation in Information Systems

When data sets are analyzed, statistical pattern recognition is often used to find the information hidden in the data. Another approach to information discovery is data mining. Data mining is concerned with finding previously undiscovered relationships in data sets. Rough set theory provides a theoretical basis from which to find these undiscovered relationships. We define a new theoretical concept, strong compressibility, and present the mathematical foundation for an efficient algorithm, the Expansion Algorithm, for generation of all reducts of an information system. The process of finding reducts has been proven to be NP-hard. Using the elimination method, problems of size 13 could be solved in reasonable times. Using our Expansion Algorithm, the size of problems that can be solved has grown to 40. Further, by using the strong compressibility property in the Expansion Algorithm, additional savings of up to 50% can be achieved. This paper presents this algorithm and the simulation results obtained from randomly generated information systems. Received 6 May 1999 / Revised 3 December 1999 / Accepted in revised form 17 January 2000     

多类型安全系统协同机制的研究与实现

为了综合不同的安全技术系统进行协同防护以增强整体防护能力，设计了一种统一的多类型安全系统协同机制，利用协同规则描述协同信息，信息总线传递协同数据，执行引擎完成协同操作，可以统一地支持多类型安全系统的协同功能的实现。实验结果表明该协同机制能有效地实现不同安全系统之间的协同功能，并具有通用性、可配置性和可扩展性强的优点。     

基因调控信息集成数据库及查询

随着基因组研究的深入和生物信息学的发展，对基因调控信息的分析和应用引起人们越来越多的重视。客观要求我们建立起一套能够广泛搜集信息并实现信息共享，同时利用分析工具对基因调控信息进行分析的研究机制，进而能从现有信息中进一步获得更深层次的基因知识。GRI是一套建立在后台Oracle关系型数据库及前台Web技术的基础上、以基因调控信息为主的集成数据库系统，它具有搜集各类基因调控信息、进行数据动态更新、为用户提供信息查询的功能，同时具有基因调控信息分析和数据挖掘等功能。     

一种基于信息论的决策表连续属性离散化算法

连续属性离散化方法对后续阶段的机器学习和数据挖掘过程有着重要的意义。提出一种新的针对决策表的离散化算法,在该算法中,首先将信息熵用作判断标准,从候选断点集中选择合适的断点,然后删除一些冗余的断点来优化离散结果,在删除过程中为了尽可能保证决策表分类能力不变,使用不一致率对该过程进行控制。最后选取多组实验数据,使用当前流行的分类算法——支持向量机(SVM)对离散化后的数据进行分类预测,并与其它离散算法进行对比,结果表明本算法是有效的。