网络安全态势预测技术研究综述

网络安全态势的感知、评估和预测已成为信息安全领域的重点研究方向。网络安全态势预测技术根据攻击事件的种类、频率等及关联融合后的态势值,利用过去时间的攻击事件信息及态势值对未来发展趋势进行预测,能够为网络管理人员提供必要的数据及信息。梳理常用的网络安全态势预测技术,分为不确定推理理论、机器学习方法、神经网络方法三大类;对每种网络安全态势预测技术进行分析对比,总结其优缺点;整理归纳在传统预测技术上的改进与优化,并讨论目前存在的问题及其未来的发展方向。

一种基于新的条件信息熵的高效知识约简算法

分析了在知识约简过程中现有条件信息熵的不足,给出一种新的条件信息熵,由此定义新的属性重要性.将其与基于正区域和基于现有条件信息熵的属性重要性进行比较,结果表明新的属性重要性是一种更准确、更全面的启发信息.以新的属性重要性为启发信息设计约简算法,并给出计算新的条件信息熵的高效算法.理论分析和实验结果表明,与基于现有条件信息熵的约简算法相比,该约简算法时间复杂度较低,且在搜索最小或次优约简方面更优.

三种差别矩阵的比较

差别矩阵是Rough集理论中重要概念之一,使用差别矩陈可以计算决策表的核和约简。当前有多种定义差别矩阵的方法,导致差别矩阵有多种定义的原因是决策表的不一致性。本文分析一致决策表和不一致决策表关系,给出将不一致决策在转换为一致决策表的方法,并给出差别矩阵的等价性定义。在此基础上,讨论并证明三种差别矩阵的关系,结果表明利用这种转换方法和等价性定义可以将三种差别矩阵统一起来,从而保证在实际应用中可以用统一方法来构造差别矩阵。

一种启发式知识约简算法

属性约简是Rough集理论中的核心问题之一,找出所有的约简或最小约简是一个NP难题。本文证明了正区域和边界域的一些性质,指出在考虑工区域作为启发信息的同时,还应该考虑在不一致决策表中边界域对约简的影响,综合这两种信息,提出了不一致决策表约简的启发信息。并在此基础上,设计了不一致决策表的启发式约简算法。实验证明,在多数情况下,该算法能够得到决策表的最小或次优约简。

基于数据库系统的Rough集模型的扩展

针对基于数据库系统的R ough集模型中的知识约简算法对一致决策表适用,而对不一致决策表不适用的局限性,给出了将不一致决策表转换为一致决策表的算法,证明该算法能保持核和约简集合不变,并分析了该算法的时间复杂度.在此基础上,利用数据库系统的集合操作和SQL语言描述转换算法,将基于数据库系统的R ough集模型中的知识约简算法扩展到不一致决策表.理论分析和实验结果表明,扩展后的算法仍是高效的.

基于统计语言模型的双向词类标注方法

1引言 在自然语言处理中,词类标注是一项重要的工作,它为句法分析、机器翻译、自然语言理解等提供语法知识.在进行自然语言的词类标注时,由于词的多词类现象,有许多词在不同的上下文中有不同的词类,汉语词类标注过程其实就是一个词类排歧过程[12].

利用面向对象技术表示知识

在本文中,我们提出了利用面向对象的技术表示语义和常识的方法。将知网中的义原(即最小的语义单位)表示为类,同时将概念之间、属性之间的语义关系转换为类之间关系以及类的属性之间的关系;将知网概念词典中的概念表示为所在范畴属性类的子类,并将DEF项中其它义原设置为该类中的变量。通过这种转换,知网中的语义和常识就被表示为类和对象。在实践中表明该方法是实际可行的,更重要的是为我们今后进行从文本中提取知识的研究打下基础。

不一致决策表的知识约简方法研究

目前计算不一致决策表的分布约简、最大分布约简和分配约简的方法均基于可辨识属性矩阵,在大数据集下耗时较多.为此,提出转化算法,将计算原不一致决策表的上述3种约简转化为计算3种一致决策表的Paw lak约简.通过应用针对后者的高效启发式算法,有效地减少了计算时间.此外,引入λ-约简的概念,通过调节λ的值,能得到一族反映决策矢量不同水平相似程度的知识约简.该方法降低了分布约简对决策表区分能力的过高要求,较上述3种约简更为灵活.

基于序贯概率及局部优化随机抽样一致性算法

通过引入序贯概率检测及局部优化技术,给出了一种快速并具有较高精度估计的随机抽样一致性算法RANSAC(ran-dom sample consensus)。RANSAC算法是基于假设和检验的框架来实现。为了减少RANSAC算法的计算时间及提高计算精度,在模型的检验阶段,利用序贯概率检测技术,随机抽取少量的数据对模型的参数进行预检验。如果模型参数通过预检验,则进入后续的检验,否则这个模型参数不再参与后续全部数据的检验。在对模型参数估计时,使用局部优化方法,实现模型估计的精确度的提高。实验结果表明,此算法在速度和精确度方面与标准的RANSAC相比均取得了较大的提高。

一种基于事件的Web服务组合方法

为获得一种既易于实现又能满足用户多样化需求的服务组合的有效途径,提出一种基于事件的服务组合方法.首先定义了一种基于ECA(event-condition-action)规则的语言——简单服务事件语言.在这种语言基础上,通过模块化方法构造的用于描述组合服务的组合方案,不但解决了采用AI规划(artificial intelligent planning)时服务组合域表示困难的问题,而且解决了采用UML(unified modeling language)等技术时描述能力不足的问题.随后,为有效地表示组合方案,完成了它的语义定义以及answer set程序编码工作.最后利用answer set编程(answer set programming)技术实现了对组合轨迹的表示.

E-R模型的回答集编程表示

作为一种广为接受的语义数据模型,E-R模型被广泛地应用于数据库设计阶段.但是E-R模型自身却存在某些缺陷,这些缺陷制约了对其进一步的应用.针对E-R模型的改进,目前主要存在基于图形表示和描述性逻辑表示两种途径.但是,前者仍然不具有自动推理能力,而后者却存在表示能力弱、与数据库兼容性不足等缺陷.为克服以上缺陷,提出一种利用回答集编程(answer set programming)表示E-R模型的新方法.首先,对应于数据库的E-R模式被区分为基本和扩展两种类型,并分别完成它们的语法与语义定义.其次,利用回答集编程完成以上两类模式的逻辑编程表示.最后,完成表示的正确性证明.提出的方法不仅为E-R模型提供了一种新的逻辑表示途径,而且相对原有的两种E-R模型改进途径具有明显的优势.更为重要的是该研究成果使得应用E-R模型实现异构数据库之间的语义协作成为可能.

树的建模技术研究综述与展望

树的建模技术是计算机图形学近年来研究的热点问题之一。侧重从计算机图形学的研究角度,对树的建模技术分别从基于规则的树建模技术、基于草图的树建模技术、基于图像的树建模技术3个方面进行了总结和综述,介绍了近年来提出的典型的树建模方法及最新研究进展,对其中涉及的关键技术进行了总结分析,给出了这些技术的基本思想、局限性和使用范围,并加以分析比较,最后对树的建模技术的未来研究方向给出展望。

变精度模糊粗糙集的一种定义

模糊粗糙集模型同经典粗糙集模型类似,容易受到噪音数据的影响.针对该问题,受变精度粗糙集模型的启发,提出了变精度模糊粗糙集的概念.针对现有变精度模糊粗糙集模型尚不能满足一些基本性质的缺陷,重新定义了模糊近似空间中某一模糊集的β-下近似和β-上近似,该定义方式能够满足上述的基本性质.

一种Web主题文本通用提取方法

为构建大规模中文文本语料库,提出了一种简单、有效、通用的中文Web主题文本提取方法。该方法巧妙地利用中文文本长度和标点符号序列,配合少量判别规则,便可准确地将主题文本从网页中提取出来。由于本方法不涉及具体的HTML标记分析,其通用性较强。实验结果表明该提取方法具有快速性和准确性,达到了构建大规模中文文本语料库的要求。

利用基数约束规则编程消解ECA策略冲突

为实现ECA策略冲突的自动、灵活消解,提出一种利用基数约束规则编程的新方法。基数约束规则编程是一种基于稳态模型语义的非单调逻辑编程技术,具有解决组合及其优化问题的良好性质。先后完成了ECA策略的逻辑编程表示、用于检测和防止冲突的行动约束定义、具有组合特征的冲突性质分析和用于冲突消解的基数约束规则程序建立。该方法不仅具有逻辑严谨、自动化程度高和结构层次分明等优点,更重要的是,还扩展了被消解冲突的域。

基于独立分量分析的图书馆个性化及时服务

针对读者个性化服务质量的问题,提出了基于独立分量分析的图书馆个性化及时服务系统;简要给出了系统总体和个性化服务关键子系统的体系结构;重点讨论了利用独立分量分析方法改善系统个性化服务质量的问题。实验结果显示,利用此方法进行图书分类和读者群体聚类的效果较理想;读者群体和图书类别之间可产生随读者个性或图书主题变化而变化的动态映射关系,这种映射关系可以改善个性化服务质量。

ER模型的逻辑表示途径

利用Answer set编程表示ER模型,从而为ER模型提供了一种新颖的逻辑表示途径。首先,完成ER模式的语法与语义定义;其次,利用Answer set编程实现ER模式的逻辑编程表示,并且这里的编程可自动实现;最后,完成以上表示的合理性证明。工作不仅克服了ER模型作为图形化工具的缺陷,使得它具有了自动推理能力,而且也为利用ER模型实现异构数据库之间的语义协作奠定了理论基础。

Web服务组合上下文模型

基于上下文感知计算,提出一种新颖的Web服务组合上下文模型。一方面,服务组合中的信息被定义为服务和用户上下文,前者又被区分为概要、会话和填充上下文;另一方面,采用多策略机制管理上下文。为此,定义了一种基于ECA规则的语言—服务扩展策略描述语言(PDL-S)。采用以上语言描述上下文管理策略和组合服务。该模型不但充分利用了上下文感知计算,而且具有良好的协作性、扩展性和灵活性。

基于Fuzzy Rough集模型的汉语人称代词消解

指代消解是自然语言处理中重要的研究课题之一。结合基于实例的学习方法,提出了一种基于Fuzzy Rough集模型的中文人称代词消解方法。该方法的第一步过滤掉与人称代词性别和单复数特征不一致的名词短语,构成候选集,然后按照仅涉及浅层语义和语法知识的属性集对其中的每个名词短语进行标记。第二步利用Fuzzy Rough集模型中相关概念选择代表性较强的实例,并对其进行属性值约简,以提高这些实例的泛化能力。以上两步即为学习阶段。第三步即可根据这些实例判断新输入的名词短语是否为代词的先行语。该方法用人民日报语料进行了测试,测试结果表明该方法是有效的。

立即辐射度综述

立即辐射度作为一种实时全局光照方法,近年来在真实感实时绘制应用研究中得到了广泛的关注,尤其是与当前图形处理硬件GPU的配合,已使其成为适合于在PC上实现复杂场景实时绘制的一种重要方法。对立即辐射度算法进行了综述,以立即辐射度发展历程为主线,分析算法的基本思想,深入剖析了立即辐射度当前的扩展及优化;展现了立即辐射度方法的一个清晰蓝图,指出了该方法在实时全局光照领域中进一步的研究热点和发展方向。