基于自适应模型的数据库入侵检测方法

提出了一种基于自适应模型数据库入侵检测方法(ASIDS).该方法基于矩阵和最小支持度函数的AprioriZ关联算法,依据在训练和自适应入侵检测阶段产生数据库的操作特征,用户根据实际需求动态调整最小支持度函数的值,更高效挖掘操作特征.结合层次聚类算法产生动态规则库,通过计算待检测数据操作特征与规则库中聚类的距离是否超过聚类间最大距离来判断异常,以避免已有检测系统中判断"边界尖锐"问题,并实时把正常操作特征归入动态规则库,通过对报警信息的关联分析降低误警率.实验结果表明,ASIDS能够实时地进行入侵检测,具有很高的检测率和较低的误警率.     

空间分数阶Edwards-Wilkinson方程的数值研究

为了探讨空间分数阶随机生长模型的动力学标度行为,利用Grümwald-Letnikov分数阶导数定义方法求解空间分数阶Edwards-Wilkinson（SFEW）方程在1＋1维情况下的数值解,得到了在不同分数阶导数值时的生长指数、粗糙度指数、动力学指数和局域粗糙度指数,这些结果与标度分析得到的结果是一致的。研究结果表明SFEW模型没有出现奇异动力学行为,仍然遵守Family-Vicsek正常标度规律。同时结果也显示,非局域相互作用对SFEW方程的动力学标度行为有着显著的影响。     

我国居民消费价格指数灰色关联分析

采用灰色关联分析法,对我国居民消费价格指数进行了多因素关联分析.得出房屋销售价格、商品零售价格以及国内生产总值指数是我国近期CPI过快增长的主要影响因素.对此进行了原因分析并提出相应建议.     

基于组合赋权和理想解法-灰色关联的公路工程施工安全评价

为了改善公路工程施工安全评价水平,有效减少施工安全事故的发生,建立了基于理想解(technique for order prefer-enceby similarity to ideal solution,TOPSIS)法-灰色关联的公路工程施工安全评价模型.通过组合赋权方法求得组合权系数,赋予评价指标权重,以充分利用评价指标信息;结合TOPSIS法和灰色关联分析可以分别对评价对象位置关系和态势变化进行分析的优势,引入偏好系数对欧式距离和灰色关联度进行综合,求得相对贴近度,从而实现对各个评价对象的综合评价.实例应用分析表明,求得的最终评价结果合理可靠,说明该模型具有一定的科学性和实用性.     

京津冀高校科技创新能力比较研究

京津冀一体化的背景下,针对区域内高校科技创新能力现状,借鉴钻石模型,构建高校科技创新能力评价指标体系,并以AHP方法确定评价指标权重。然后以沪粤为比较对象,运用灰色关联分析对京津冀高校科技创新能力进行评价分析,最后针对存在的问题提出了政策建议。     

基于量纲分析的绝热毛细管壅塞流量特性关联

关联方法可替代复杂的数学模型，用以预测绝热毛细管的壅塞流量特性．先通过量纲分析方法给出了绝热毛细管壅塞流量特性的一般函数关系式，然后采用两种模型近似该一般函数关系式：一种是传统的Fower—law关联式；另一种是人工神经网络．以献中的R－407C毛细管实验数据为对象，对比研究了这两种模型的关联效果．结果表明：人工神经网络的关联误差及误差的分散度更小．     

关联理论对广告的解释力

随着大众传媒的发展与普及,广告已在人们日常生活中发挥着重要作用。学者大多从文体学和修辞学的角度对广告语篇进行分析。本文从认知语用角度出发,把广告交际视为明示-推理交际的一种,并利用关联理论对广告的交际过程及其主要交际手段——隐喻进行分析,指出广告交际成功的两大关键因素：广告人利用明示刺激吸引并引导受众成功实现广告的信息意图和交际意图,受众通过推理成功获得隐喻广告词与广告语境之间的最佳关联。     

一个基于兴趣度的关联规则度量方法的改进

关联规则是数据挖掘和知识发现领域的重要课题,但就判定关联规则是否成立的问题,即兴趣度的度量方法问题,学术界没有一致的标准。既有的兴趣度度量方法包括支持度—置信度方法、提升度方法、卡方分析方法等。这些传统的兴趣度度量方法存在各自的局限,表现为缺乏客观标准,只能度量正向关系等方面。为了克服这些问题,本文提出了一个基于兴趣度的关联规则度量方法的改进,并对该方法与传统方法进行了比较,证明了该度量方法的一些性质,指出了新方法的优点,实证了新方法的特征属性。该方法较之原有方法有一定的优势。     

区域经济系统耗散结构的形成与演化机制研究

运用定性与定量相结合的方法,论述了区域经济系统耗散结构的形成过程.从区域产业结构和空间结构序列角度,分析了区域经济系统耗散结构的演化机制.以序参量为基础,建立了基于灰关联熵区域经济系统演化方向的判别模型.指出了区域经济系统演化中,散度的变化对推进区域经济一体化进程有重要影响.     

一种改进的关联规则增量更新算法

数据挖掘技术引起了数据库和人工智能等领域的专家和学者的广泛关注。关联规则的挖掘是数据挖掘研究的一个重要领域,本文分析了经典的增量更新算法FUP的不足,提出了一种改进的增量更新算法EFUP,详细论述算法思想,并与FUP算法比较分析,表明了该算法的优越性。