一种优化相关规划的发现方法

提出了一种基于相关性的框架.在此框架内,使用残差分析来判断两项之间是否是独立的.残差分析可以使得我们很容易地获得包含负蕴含规则在内的真正的关联（而不是并发）规则,而且不需要指定支持度和可信度阈值.为了提高发现规则的质量,文中使用遗传算法来发现优化规则.在人工数据集和真实数据集上的实验结果表明文中的算法在发现规则的有趣性上优于类Apriori算法.     

基于SVM技术的入侵检测

针对日益严重的网络入侵事件,提出了一种新的入侵检测方法．在对网络数据进行深刻的分析和研究的基础上,提出了基于支持向量机的入侵检测方法．首先,对1类SVM进行了必要的改进,使异常点聚集为一类（即环绕原点的一类）．然后,使用抽象化的网络数据对SVM进行训练,生成入侵事件的SVM分类器．实验表明,该方法是行之有效的．     

Discovering Typed Communities in Mobile Social Networks

Mobile social networks,which consist of mobile users who communicate with each other using cell phones,are reflections of people’s interactions in social lives.Discovering typed communities(e.g.,family communities or corporate communities) in mobile social networks is a very promising problem.For example,it can help mobile operators to determine the target users for precision marketing.In this paper we propose discovering typed communities in mobile social networks by utilizing the labels of relationships between users.We use the user logs stored by mobile operators,including communication and user movement records,to collectively label all the relationships in a network,by employing an undirected probabilistic graphical model,i.e.,conditional random fields.Then we use two methods to discover typed communities based on the results of relationship labeling:one is simply retaining or cutting relationships according to their labels,and the other is using sophisticated weighted community detection algorithms.The experimental results show that our proposed framework performs well in terms of the accuracy of typed community detection in mobile social networks.     

入侵检测系统报警信息聚合与关联技术研究综述

报警的聚合与关联是入侵检测领域一个很重要的发展方向·阐述了研发报警聚合与关联系统的必要性通过对报警的聚合与关联可以实现的各项目标;重点讨论了现有的各种报警聚合与关联算法,并分析了各算法的特点;介绍了在开发入侵报警管理系统(IDAMS)中如何根据算法特点选择算法的原则;总结了现有聚合与关联系统的体系结构;简要介绍了IDMEF标准数据格式以及它在报警关联中的作用;最后,介绍了现有聚合与关联系统的发展现状,并提出了研发入侵报警聚合与关联系统所面临的重要技术问题和发展方向·     

在线自适应网络异常检测系统模型与算法

随着因特网等计算机网络应用的增加,安全问题越来越突出,对具有主动防御特征的入侵检测系统的需求日趋紧迫.提出一个轻量级的在线自适应网络异常检测系统模型,给出了相关算法.系统能够对实时网络数据流进行在线学习和检测,在少量指导下逐渐构建网络的正常模式库和入侵模式库,并根据网络使用特点动态进行更新.在检测阶段,系统能够对异常数据进行报警,并识别未曾见过的新入侵.系统结构简单,计算的时间复杂度和空间复杂度都很低,满足在线处理网络数据的要求.在DARPA KDD 99入侵检测数据集上进行测试,10%训练集数据和测试集数据以数据流方式顺序一次输入系统,在40s之内系统完成所有学习和检测任务,并达到检测率91.32% 和误报率0.43% 的结果.实验结果表明系统实用性强,检测效果令人满意,而且在识别新入侵上有良好的表现.     

一种基于案例的Agent多议题协商模型

不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.     

用于不完整数据的选择性贝叶斯分类器

选择性分类器通过删除数据集中的无关属性和冗余属性可以有效地提高分类精度和效率.因此,一些选择性分类器应运而生.然而,由于处理不完整数据的复杂性,它们大都是针对完整数据的.由于各种原因,现实中的数据通常是不完整的并且包含许多冗余属性或无关属性.如同完整数据的情形一样,不完整数据集中的冗余属性或无关属性也会使分类性能大幅下降.因此,对用于不完整数据的选择性分类器的研究是一项重要的研究课题.通过分析以往在分类过程中对不完整数据的处理方法,提出了两种用于不完整数据的选择性贝叶斯分类器:SRBC和CBSRBC. SRBC是基于一种鲁棒贝叶斯分类器构建的,而CBSRBC则是在SRBC基础上利用χ\\+2统计量构建的.在12个标准的不完整数据集上的实验结果表明,这两种方法在大幅度减少属性数目的同时,能显著提高分类准确率和稳定性.从总体上来讲,CBSRBC在分类精度、运行效率等方面都优于SRBC算法,而SRBC需要预先指定的阈值要少一些.     

带形状参数样条曲线的研究

如何通过调整形状参数修改曲线形状是计算机辅助几何设计中一个有意义的研究课题.为了有效地利用形状参数来调整曲线的形状,增强修改曲线的灵活性,研究了5种带形状参数B样条曲线的表示方法及性质,这些曲线模型都可以通过改变形状参数的取值,调整曲线接近控制多边形的程度,从而得到不同位置的连续曲线.分析了每种造型方法的形状参数对曲线形状的影响,给出了形状参数的适用范围,比较了5种造型方法的特点.通过大量的公式推导和实验,提出了利用形状参数不同取值来表示一些自由曲线的新方法,并用实例进行了说明.实验证明,C-B样条曲线、带形状参数的均匀B样条曲线、带形状参数双曲多项式的均匀B样条曲线、带形状参数三角多项式的均匀B样条曲线都可利用形状参数的特定取值表示一些工业领域常用的自由曲线,这比起用控制顶点表示同样的自由曲线更为简单.     

一种新的基于ISOMAP的数据可视化算法

作为古典MDS算法的一个非线性扩展,ISOMAP算法能较好地对嵌入在高维欧氏空间中的低维非线性流形进行可视化.然而,ISOMAP算法不但要求数据具有良好抽样且位于单一流形之上,而且还依赖于难以有效选取的邻域大小,这极大地限制了该算法的实际应用.为此提出了一种改进算法——GISOMAP,它采用MDS算法的一个变种来减弱长测地距离和“短路”边对距离保持的影响,不但能更好地对具有多聚类结构的数据进行可视化,而且对邻域大小也不再敏感,从而能更容易地得到实际应用.     

一个基于多阶段的多Agent多问题协商框架

多问题协商是电子交易中的关键问题.多Agent技术的不断成熟为这个问题的解决提供了有效的途径.提出了一个以理性Agent为基础的基于多阶段的多问题协商框架,该框架在时间约束下适用于信息不完全的场景,它描述了多问题的价格协商.为了降低多问题协商的复杂性,它将多问题协商分解为多阶段协商,每个阶段的大小(问题数)相同.阶段数和顺序在协商前确定,每个阶段中的问题顺序在协商中确定.在阶段大小相同的情况下,对给定协商问题的分解,框架能给出优化协商议程(agenda).尤其是框架能为参与协商的Agent建立学习系统(LS),以增强Agent的学习能力.最后基于这个框架实现了一个原型系统,原型系统证明这个框架是有效的.