基于概念格的组织内部知识分布的综合评价

利用形式概念分析的理论和方法,提出了一种关于组织内部知识分布合理性的评价方法.在该方法中,首先依据组织内部知识分布的概念格提取评价项目集中蕴涵规则的支持度和可信度,然后利用关联函数对组织的知识分布进行评价.     

基于灰色理论和DWT的彩色图像数字水印方案

基于灰色理论以及图像小波变换的特点,提出基于灰关联理论以及小波变换的彩色图像数字水印方案,方案将水印嵌入到彩色载体图像各个颜色分量的DwT域垂直细节频带系数上,结合人类视觉系统实现水印的不可见性.根据系数间的灰关联大小对水印进行提取,提取时不需要原始裁体图像,实现了水印的盲提取.实验证明,该方案不仅可以更好地保持原始图像的感知质量而且对一些常见的攻击如 JPEG 和中值滤波等具有较好的鲁棒性.     

一种基于蚁群算法的数据关联方法

提出了基于蚁群算法的多目标跟踪数据关联方法--ACDA(Ant Colony DataAssociation).算法基于目标与量测之间的距离信息、角度信息和速度信息,依靠蚁群算法的优化机制,确定目标航迹和量测的正确关联,并且采用扩展卡尔曼滤波对目标状态进行估计.实验结果表明,该方法对应用在机动性较弱的高速小目柝数据关联时能够获得较高的正确关联率,且运行时间较短.     

基于DSCFCI_tree的带项目约束的数据流频繁闭合模式挖掘算法

根据数据流的特点,提出了一种挖掘约束频繁闭合项集的算法,该算法将数据流分段,用DSCFCI_tree动态存储潜在约束频繁闭合项集,对每一批到来的数据流,首先建立局部DSCFCI_tree,进而对全局DSCFCI_tree进行有效更新并剪枝,从而有效地挖掘整个数据流中的约束频繁闭合模式.实验表明,该算法具有很好的时间和空间效率.     

关于留学生对关联词语“因为……所以……”使用偏误分析

关联词语是对外汉语教学中的教学重点之一,本文通过在教学实践中搜集的大量材料和调查问卷筛选一组常用的关联词语作为研究对象．这组词语是“因为……所以……”。通过对以英语为母语的同一水平的学生使用关联词的调查,发现学生的偏误大多数在多重复句中,学生不熟悉“所以”单用时连接句群的用法,常与“从而”混用,所以重点区分了“从而,所以”。     

一种改进的基于云模型理论的蚁群算法

研究了一种利用云模型来有效限制蚁群算法陷入局部最优解的方法。实验表明,该改进策略可使蚁群算法的全局搜索速度和优化性能均得到明显改善。     

关联规则在高校科研管理工作中的应用

在高校的科研管理工作中应用关联规则挖掘技术,通过挖掘教师的科研成果数据,可以得到教师科研工作中的潜在信息,辅助决策下一阶段的科研管理工作。     

长春地区粉质黏土融沉性质及影响因素试验研究

粉质黏土是一种对温度极其敏感的土,在季节性冻土区通常会产生较大的融沉变形,给道路、铁路等建构筑物造成严重破坏。长春地区土层以粉质黏土最为普遍,由于纬度、海拔、气候等原因,这里的粉质黏土融沉性与其它地区的有所不同,其影响因素的影响程度也有所不同。本文以长春地区粉质黏土为研究对象,通过对原状土样进行融沉压缩试验、冻胀试验和导热系数试验,分析了融沉系数与各因素之间的关系,提出了融沉系数经验公式,并采用灰色关联理论分析了各影响因素对融沉系数的影响程度。结果表明：①融沉系数随含水率、超塑含水率增大而增大,随干密度、烧失量增大而减小,其中可塑性影响最大;②融沉性与冻胀性呈显著正相关,冻胀率和冻胀压力越大,融沉系数越大;③粉质黏土融沉系数随深度的增大而增大,最大值出现在9～12m区间内;④长春地区粉质黏土的最优干密度为1.625g/cm_³;⑤根据灰色关联分析结果,长春地区粉质黏土各影响因素对融沉性的影响顺序由大到小依次为塑性指数、干密度、含水率、超塑含水率、导热系数、冻胀率和冻胀压力。在实际工程中可采取控制最优干密度或调整级配的方法来提高地基土或回填土的密实性,研究结果可为长春地区进行公路、铁路、地铁深基坑、建筑基础施工等提供科学依据与理论参考。     

网络数据包安全指标关联规则挖掘应用与研究

对网络通信中,安全指标间关联规则的挖掘速度缓慢问题进行研究。网络通信数据的高容量、多样性和复杂性,使网络安全指标间关联规则挖掘的信息处理难度较高、时间效率低,为此提出一种基于并行FP-树频集算法的关联规则数据挖掘方法并成功应用于网络通信的安全指标挖掘中。首先对网络通信数据进行Netflow流量数据采集,对其进行预处理以信息熵的形式存储。然后将频集压缩到频繁模式树上,再引入并行算法在多个处理器上为频繁模式树的节点创建条件模式库和条件模式树,在不同的并行处理器上进行同时处理,最后生成反映网络安全信息的关联规则。该方法提高了网络信息安全指标间关联规则挖掘的效率,在同样的支持度阈值和置信度阈值的条件下,可减少处理时间4~7 s。     

一类新的模糊关联存储器模型

在运算(∧,·）和（∨,·）的基础上,提出了一类新的模糊关联存储器模型(FAMM),并证明了利用基于运算（∧,·）的FAMM处理扩张性噪声和利用基于运算（∨,·）的FAMM处理消减性噪声是非常有效的.最后,通过一种核方法对混合噪声进行处理,取得较好效果.