基于关联规则探讨《温病条辨》药对的使用规律

目的:探讨《温病条辨》药对的使用规律。方法:以《温病条辨》三焦篇189个内服复方为研究对象,采用关联规则数据挖掘方法,设定最小支持度为5%,最小置信度为50%。计算药对的支持度和置信度,找出符合规则的药对。结果:筛选出高频药对22组,其中清热药对4组,养阴药对4组,清热养阴药对4组,祛湿药对7组,补气药对1组,补气温中散寒药对1组,温阳药对1组。符合强关联规则的核心药对6组,分别为黄连-黄芩、连翘-银花、连翘-竹叶、白芍-炙甘草、生地-麦冬、干姜-附子。结论:初步总结了22组高频药对的功效及使用规律,可为温病的治疗提供用药参考。     

基于OpenCL的并行图像加密算法研究

利用混沌映射所具有的遍历性、类随机性以及对初始状态的敏感依赖性等基本特性,同时利用二维Logistic映射具有的多参数、高随机性等优点,构造了一种新的图像加密算法。另外,为充分利用当前异构处理平台的计算资源以大幅提升算法的执行效率,在NIVIDIA Ge Force GTX 580 GPU上使用Open CL技术并行实现了该算法。实验结果和数值分析表明该并行加密算法具有较高的加密效率和良好的安全性,具有一定的应用价值。     

异构服务聚合的协同访问控制算法研究

由于服务聚合要实现异构多态交互过程,必然对安全访问控制模型的性能提出较高的要求.为满足服务聚合的访问控制需求,本文提出了一种异构服务聚合协同访问控制算法ACAHSP.首先,本文剖析了服务聚合中访问的动态情景要素构成,从多维度定义了构成情景的不同要素;然后,提出了基于动态情景状态的状态演算和规则演算的机制,并给出了动态情景机约束下在服务聚合模型ACAHSP;其次,基于CP ABE算法提出了ACAHSP访问控制模型的安全验证算法,强有力的保证了ACAHSP模型在服务聚合中访问控制机制状态机转换、数据交互的安全性;最后,结合案例进行应用验证,并与已有模型进行对比.     

基于车车通信合流影响区外侧车辆决策模型

在入口匝道合流区,驾驶员通过观察运行环境及估计周边车辆行驶特征,做出的相应的驾驶决策,常会使车流紊乱.针对该问题,从车车通信环境下获得的周边车辆运行全信息入手,建立上匝道合流影响区车辆决策机制模型,并更新了新决策机制情况下运行规则.数值试验分析车辆在两种不同环境下的时空轨迹图、合流区及上游换道情况、平均行程速度.结果表明:在车车通信环境及决策机制模型条件下,合流区只有很低水平的换道;平均行程速度最大提高了32.4％,在不同车辆输入情况下速度波动降低了76.7％,通行能力提高了13.3％.     

一种面向非规则数据的阶段预取策略

传统数据预取技术在处理结构复杂的非规则数据应用程序时,其有效性明显下降.为解决该问题,基于程序运行时的数据访问阶段性特征,提出一种面向非规则数据的阶段预取策略,研究应用程序的访存规律和预取调度机制.该策略通过在线剖析应用程序的访存行为,识别出数据访问性能指标表现稳定的数据访问阶段和具有特定访存行为特征的预取阶段,实现在数据访问阶段内依据预取阶段的访存规律动态调整预取操作.实验结果表明,与传统的基于访存流模型的数据预取技术相比较,阶段预取策略能够减少无用预取,更加有效地改善非规则数据应用程序性能.     

关联规则挖掘算法的优化

Apriori算法是关联规则挖掘的经典算法,该算法在处理规模巨大的候选项目集时存在耗时长和效率低的问题,提出了采用分割法对数据进行分片的优化算法.实验证明该算法不仅能减少数据挖掘对系统资源的占用,而且解决了数据库中数据分割下局部频繁项目序列集产生和全局频繁项目序列集的转换问题.     

刍议沉默权制度及其在我国的适用

沉默权是指犯罪嫌疑人在被询问中有自始至终保持沉默,拒不作答的权利。沉默权制度的确立被称为"人类在通向文明的斗争中最重要的里程碑之一",已为很多国家的刑事诉讼法所采用。而有限制地确立符合我国国情的沉默权制度不仅是顺应时代潮流和与国际接轨的需要,更是建设现代法治国家的必然选择。     

具有可变终端代价项的非线性模型预测控制

针对离散时间非线性系统的模型预测控制问题,提出了一种具有可变自调节终端代价项的模型预测控制方案.此方案通过引入自调节因子,并对其设定不同的自调节规则,使终端代价函数项具备了可变自调节性能.证明了带有可变自调节终端代价项的模型预测控制方案可保证闭环系统的性能.为自调节因子提出了若干自调节规则,并分别分析了它们的性质.用实例证明了研究结果的有效性.     

单位圆到凸域的调和映射的Schwarz导数的范数

利用单位圆上的保向同胚调和映射的Schwarz导数范数的定义,研究了单位圆到凸域的调和映射的Schwarz导数的范数的性质,得到了单位圆到圆内接正六边形及正八边形的调和映射的Schwarz导数的范数。     

一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先,将高维数据映射到一个大规模带权超网络中;其次,定义超网络中边的权重;再次,采用优化的超图划分方法划分带权超网络;最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据,避免了传统聚类方法在降维过程中产生的弊端。实验证明,该算法具有较理想的有效性和精确度。