地球自转长期减慢及大陆漂移机理探讨

通过引入“运动物体产生ｕ场”的新概念，对地球白转长期减慢，及大陆漂移方向的机理作了定性讨论。     

基于XWS的网络教育系统中EUDDI的设计与实现

从分析网络教育的特点和不足入手，将XWS(XML Web Service)引入到网络教育系统框架中，并重点研究了其中EUDDI(教育注册中心)的信息模型的设计和实现方案．     

基于深度学习的方面级情感分析方法研究进展

随着深度学习方法的快速发展,神经网络模型和注意力机制等深度学习方法被广泛应用于方面级情感分析,并取得了丰富的研究成果,基于深度学习的方面级情感分析逐渐成为研究人员关注的热点之一,并有望成为研究创新突破点.本文结合近年来方面级情感分析的研究成果,首先对方面级情感分析的基本概念和相关定义进行了阐述,然后对基于深度学习方法的...     

基于遗传算法的用户模板优化研究

近年来，由于科技突飞猛进的发展和互联网的迅速崛起，不良信息的过滤成为信息过滤的一个重要方向，而信息过滤的关键技术是用户模板的获取．本文对遗传算法作了改进，并将其用于优化用户模板，使用户模板具有关键词自动扩充和自适应能力，进而能有效地进行过滤，提高过滤质量．     

一种基于改进Rocchio的网络信息过滤反馈算法研究

随着互联网上信息的迅速增长,网络安全日益引起人们的关注。提供一定手段管理网络用户,尤其是青少年用户具有十分重要的意义。本文利用向量空间模型,Rocchio方法生成类别过滤模板,采用余弦算法比较待过滤文档和类别模板的相似度,并提出一种利用反馈动态修改模板的反馈机制。实验表明本文提出的反馈方法是切实可行的。     

应用特征项分布信息的信息增益改进方法研究

在特征项分布不平衡的情况下,传统信息增益算法的分类性能会急剧下降,针对此缺陷提出了一种利用特征项分布信息来改进信息增益公式的计算方法。通过计算特征项分布信息来判定特征项是否存在不平衡性,并利用此信息来平衡特征项不出现时对分类精度的影响。通过实验验证,改进后的计算方法整体上比传统的信息增益算法具有更好的性能。     

基于类别相关性及遗传算法的文本特征选择

针对文本特征选择中原始特征空间维数过高,提出一种基于类别相关性及遗传算法的文本特征选择方法.有效地降低了特征空间的维数,提高了分类准确率.实验验证了该方法的有效性.     

基于AdaBoost的最小风险贝叶斯的垃圾邮件过滤算法

针对传统的单一算法对垃圾邮件进行过滤效果不理想的问题,在分析和研究最小风险贝叶斯算法和AdaBoost算法的基础上,将两者结合在一起,提出一种基于AdaBoost的最小风险贝叶斯的垃圾邮件过滤算法,将其应用到垃圾邮件过滤中,并分别与最小风险贝叶斯算法和AdaBoost算法的过滤效果进行比较,结果表明,该算法能够有效提高...     

基于Windows日志的安全审计技术研究

事件日志记录着操作系统或应用程序中重要的事件。通过对日志进行分析,发现所需事件信息和规律是安全审计的根本目的。文章讨论了对Windows系统日志文件进行集中式统一管理,采用API钩子技术实现Windows下的审计数据的获取,并通过对Windows日志的分析给出了一种基于主机日志分析的安全审计通用模型。     

基于网格的TCP网络日志二次聚类算法

为了处理网络日志规模过大及其相关问题,根据TCP传输协议的特征,提出一种基于网格的TCP网络日志二次聚类算法(Grid-based TCP Two-step Clustering,GTTC).通过分析TCP连接过程,采用划分网格的方式把每一条TCP报文日志进行网格内初次聚类,再把初次聚类簇进行网格间二次聚类,最后生成表...