一种编辑距离算法及其在网页搜索中的应用

针对传统方法不能很好地处理网页中简短域与用户查询之间的相关性排序问题,提出一种基于改进的编辑距离排序算法.将以词为单位的用户查询和简短网页域通过匹配编码转化为2个字符串,再利用改进的编辑距离计算2个字符串之间的相似性.由于在用户查询与待比较的简短网页域之间引入了查询词分布的位置、顺序和距离等,以及含有查询词修饰关系的重要信息,所以编码字符串之间的相似程度可以衡量对应的查询与简短网页域之间的相关性.经大规模真实搜索引擎实验表明,该算法较之传统的相关性排序算法,可以显著地提高网页搜索中的简短网页域相关性排序性能,尤其适用于简短域与用户查询之间的相关性比较.     

一种基于网络层的轻负载密钥交换协议

提出了一个工作在网络层的轻负载密钥交换协议，它将能被确定的选项，如加密算法和密钥长，在设计时就确定下来，省略了加密算法参数的协商，并在一个基于Linux带安全传输通道的防火墙中加以实现。结果表明：该协议设计简明，计算量小，实现方便。     

基于椭圆曲线密码体制的盲身份认证研究

提出了一个基于椭圆曲线密码体制的盲数字签名方案,并在此基础上设计了一个盲身份认证方案,该方案的安全性是建立在目前还没有有效攻击方法的有限域上非超奇异椭圆曲线的离散对数问题之上的,它能够防止非法用户对系统的访问以及非法用户对合法用户信息的窃取,由于在认证过程中涉及到有限域上椭圆曲线的模逆和点和,运算相对简单,因而实现也较为容易,从理论上讲方案是安全的,并且具有较低的复杂性,对于电子商务和电子投票应用场合具有一定的实用价值。     

基于行为模式挖掘的网络入侵检测

基于系统模型DMIDS，提出了一种有效防范网络入侵的方法。该方法基于IP包信息挖掘出用户的频繁行为模式，能自动建立正常和异常的用户行为规则库；利用相似性匹配，能实时地检测出已知的和未知的攻击。详细介绍了用户频繁行为模式挖掘算法－－IDSPADE，实验结果表明该算法能够有效地发现多种网络入侵行为。和现有基于知识工程的方法相比，该方法具有更高的智能性和环境适应性。     

一种扩展置标语言解析器的设计与实现

为了扩展置标语言（XML）文档中载有的数据进行解析，设计并实现了一种通用的XML解析器--XMLP，该解析器能对XML文档进行解析、验证和串行化。其中，解析功能实现了文档对象模型（DOM）解析和基于XML的简单应用编程接口（SAX）解析。为了对DOM解析进行优化，提出并实现了占用内存资源较少的延迟展开的方法；验证功能实现了对文档类型定义（DTD）和模式（Schema）的验证；串行化功能分别实现了DOM串行化和SAX串行化。     

从关系数据库到扩展置标语言文档的数据映射方法研究

为了将关系数据以扩展置标语言（XML）数据的形式发布，分别提出了将关系模式映射为文件类型定义（DTD）和扩展置标语言方案（XMLSchema)的两种规则；非空表元素规则和空表元素规则，前者将关系模式中的表，记录和字段分别映射为表元素，表元素中的记录元素和记录元素中的字段子元素，后者将表映射为表元素，记录映射为表元素算法，前者借助一个链队列和两个栈分别存放解析得到的各级元素的开始，结束标记和属性，后者借助一个链队列存放解析得到的元素标记和属性，它们均可实现将关系数据写入XML文档，最后对实验结果进行了分析，得出在表数目相同，表中字段数也相同的情况下，表元素非空算法略优于空表元素算法的结论。     

一种多级安全系统模型的隐通道流量分析

利用Markov状态机形式化地描述了一种多级的，基于模式转换的安全系统模型，该模型利用系统可分分性构筑，将一个多级的安全系统划分成多个运行模式，利用该模式可提高所设计系统的灵活性，但该模型存在隐通道问题，利用香农信息论和广义图灵测试模型证明该模型中隐通道流量存在上限并给出定量分析，从而为达到可控的系统安全性和灵活性平衡提供了理论基础，采用该系统模型和隐通道流量分析，通过限制模式转换频率和限制参与转换的资源数目等方法可控制隐通道隐患。     

基于Web日志的因特网协作推荐系统的研究

针对当前推荐系统研究中存在的问题，提出了一个基于Web日志的Internet协作推荐系统。它在用户浏览兴趣度量时综合考虑了页面访问次数、浏览时间的长度和页面的大小，然后将具有相似用户浏览兴趣的页面进行推荐。算法过程如下：先对Web日志进行预处理后得到用户事务，然后对这些用户事务进行各个页面的浏览兴趣矢量表示，最后通过推荐引擎生成实时推荐。经实验表明，该系统比其他方法推荐的网页点击率高。     

面向对象图形用户界面的设计与实现

在分析计算机用户界面开发方法和工具的基础上，提出了利用对象模型化技术开发图形用户界面的思想。根据此思想，设计并实现了一个面向对象的图形用户界面（ＧＵＩ）。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．