决策树在安全审计中的应用研究

针对当前安全审计分析过程中出现的准确率低、检测速度过慢、自适应性差等问题,对数据挖掘中的决策树分类方法在安全审计分析中的运用进行了研究。对数据离散化及属性选择度量方法作了改进,以降低计算复杂度,提高算法学习速度。通过训练数据的分析阐述了分类规则挖掘的方法,初步的实验结果验证了该方法的有效性。     

应用量纲归一化方法改进的分数傅里叶变换快速算法

提出了一种实现分数傅里叶变换快速计算的改进算法,该算法将量纲归一化的方法应用到分数傅里叶变换光学系统中,严格导出了空域、分数傅里叶变换域和傅里叶变换域的采样间隔,并根据该采样间隔模拟分数傅里叶变换光学系统实现了分数傅里叶变换快速算法.相应的数值模拟实验表明:该算法计算的强度值结果与Kutay的算法相应的计算结果一致; 以Kutay算法的计算结果为参考,该算法计算的准确性要优于Bultheel的算法的计算结果; 与Kutay的算法和Bultheel的算法相比较,该算法的计算速度较快.实验还表明,该算法的计算结果不会随人为确定的2个参数(波长和透镜焦距)的变化而变化,具有良好的稳定性.     

基于断点辨别力的粗糙集离散化算法

提出了基于断点辨别力的粗糙集离散化算法通过分析候选断点与决策类之间的相关性,定义了候选断点对决策类的辨别力,并以此作为断点重要性的度量,实现连续属性的离散化。离散化后的决策系统不改变原有的相容性,而且能最大限度地保留有用信息。采用多组数据对该算法的性能进行了检验,并与其它算法做了对比实验。实验结果表明该算法是有效的,而且当候选断点个数增多时仍具有较高的计算效率     

由准仿射映射生成的分形的维数

将平面上的仿射映射在Z^2上离散化,构造出了一类分形．通过对其结构和性质的讨论,得到了该类分形边界的Hausdorff维数的算法．     

逼近精确罚函数法求解单阶段随机规划

提出了一种求解单阶段随机规划的算法——逼近精确罚函数法.首先,通过离散化随机变量的方法得到逼近原问题的确定非线性规划序列,然后,建立精确罚函数并构造无约束最优化问题.在一定的条件下,证明了确定非线性规划序列与无约束最优化问题的等价性,同时也证明了离散序化的解序列收敛到原规划的解.     

流体动力学模型流密度方程的离散方法分析

给出了电子与空穴电流密度方程和能流密度方程的一种新的离散方法,并成功地用于基于流体动力学模型和差分离散的半导体器件的数值模拟分析.     

循环平稳过程与其离散化后过程统计量的关系

探讨了连续循环平稳过程的离散化问题,详细推导了其离散化后过程的时变统计量及循环统计量的表达式,比原有表达式更为简单和明确。根据这些表达式所得到的样值序列统计量和原连续过程统计量的定量关系,在满足不发生混迭的条件下,可由离散过程的统计量得到连续过程的统计量,在实际中有着较好的应用价值。     

基于粗糙集理论的病理诊断规则提取算法研究

针对病理诊断规则获取问题,采用基于粗糙集理论的规则提取方法.首先进行连续属性的离散化,用遗传算法对CAIM(class-attribute interdependence maximum)离散化算法进行改进.然后利用粗糙集理论进行规则提取.采用以核为基础的增量式约简算法,综合考虑属性对约简的增益和属性在剩余属性集中的重要性,给出了衡量属性重要性程度的一个准则.随后进行属性值约简,获取诊断规则.