一种改进的嵌入式特征选择算法及应用

针对非线性多分类问题,提出了一个改进的嵌入最小-最大值特征选择算法,并与支持向量机算法结合,提出了针对复杂的组合优化问题的启发式算法.为验证方法的有效性,在钢板缺陷识别工程数据集上进行了实验,表明所提出的方法具有较高的求解速度和预测准确度.     

一种感知情景的存取控制策略的规范和分析方法

对RBAC的角色激活过程增加情景约束,建立了感知情景的存取控制策略;利用D ata-log逻辑语言来建立感知情景存取控制策略模型的形式化规范;使用一阶逻辑语言描述策略的一致性、完整性等性质,借助D atalog实现了一个控制策略自动决策原型系统。     

基于可能性分布和信息熵的舞台方案模糊决策

升降舞台结构方案选择中存在着大量的模糊和主观因素．在分析现有评价方法的基础上,尝试运用可能性理论处理舞台结构方案中蕴含的不确定性信息,提出了一种新的基于可能性分布、结合熵值赋权的模糊综合决策方法．通过考虑影响评价的各种来源和形式的信息,将专家知识转化为对变量取值的弹性约束,引入可能性分布表征升降舞台结构方案选择问题中包含的模糊因素,构造出相应的方案集和评价指标体系,建立了可以进行模糊推理和决策的评价模型;应用模糊变换原理,对评价系统各层次指标依次判别,并采用一种主客观组合的赋权方式进行权重分配,在单因素基础上形成综合判断．阐述了求解原理和实施步骤,并通过实例分析比较说明了该法的可行性．     

一种多级迭代干扰消除多用户检测算法

提出了快跳频多址通信多级迭代干扰消除多用户检测算法.该算法首先使用传统检测器对只有惟一最大行的用户做出正确译码,对于有多个最大行的用户进行迭代干扰消除.在迭代干扰消除中,对干扰数据信干功率比进行估计,若干扰频点没有受到其他信号的重叠干扰,则在迭代中被消除,否则继续迭代,直到所有用户译码完成.该算法具有线性的复杂度,消除了Fiebig多级干扰消除算法的错误传播,仿真结果表明提出的多级迭代干扰消除算法性能优于其他多用户算法.     

一种基于属性的对象访问方法

基于对象存储,吸取NAS和SAN的优点。成为下一代网络存储模式．Ext2作为对象存储的文件系统,数据访问至少需两次以上的磁盘操作,由此提出了一种基于属性的对象访问方法．将数据的块地址和长度链接在一起,作为对象的扩展属性,连同数据对象一起存储到磁盘中,无论数据对象大小。磁盘访问次数仅为两次。有效地提高了数据访问效率．     

普适计算的访问控制研究

普适计算环境是由移动用户、系统的服务、嵌入在物理环境的传感器和资源组成的联合环境．用户在该环境中能够在任何时间任何地点访问资源．但是保证这样应用的安全是很困难的,因为相互合作的实体具有事先不可预知性,传统的在静止的、封闭的环境中基于身份的访问控制方法是行不通的．提出了普适计算的动态访问控制模型．模型的操作过程表明它适合普适计算应用．     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

基于中继选择的星地协作传输系统性能分析

由于星地混合协作网络（hybrid satellite-terrestrial cooperative network,HSTCN）能显著提升卫星通信的服务质量,近年来受到了国内外学者的广泛关注,分析了基于中继选择的星地协作传输系统的性能。首先,在卫星和地面用户之间存在直达链路,并且所有中继节点在采用门限判断译码转发协议辅助卫星通信的情况下,得到用户端经过最大比合并后的输出信噪比（signal-to-noise ratio,SNR）表达式。其次,针对卫星信道服从阴影莱斯分布,而地面信道服从Nakagami-m分布,推导出随机选择和最佳选择两种中继选择策略下系统的中断概率闭合表达式。接着,进一步得到高信噪比条件下中断概率的近似表达式,为分析各种参数对系统性能的影响提供了更加便捷的方法。最后,计算机仿真不仅验证了理论推导的正确性,而且定量分析了协作传输带来的好处,从而为HSTCN技术的实际应用提供理论依据。     

一种病人可控的电子病历安全访问方案

部分病人对其电子病历访问有全程管控的特殊需求,而现有云环境下的电子病历共享系统却无法满足这一需求,于是提出了一种基于超级账本和星际文件系统的电子病历安全访问方案HyperEHR.该方案设计了由病历请求者所在机构以及病人双重审核且由病人决定病历最终访问权的方法.为保证跨机构之间的医疗数据安全互访,将病历生成、更新以及访问等信息存储在联盟链区块中,而将各医院、诊所产生的具体病历信息和访问控制策略加密存储在云端星际文件系统中.系统实现及分析表明：该方案有较好的可扩展性、互操作性及安全性,可满足病人对其医疗数据访问的管控,有效防止病历隐私泄露.     

Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.