基于冗余属性的OOX文本数字水印算法

针对流行最广的Office Open XML格式文档(即MS Office 2007—2013),提出一种基于冗余属性的文本数字水印算法.利用OOX(Office Open XML)文档包中部件的冗余信息来嵌入水印,并使水印与文档的格式信息绑定,可有效抵抗针对文本内容的攻击.该方法具有较强的鲁棒性和较大的嵌入容量,能够抵抗"另存为"、"清除格式"等攻击,且没有改变原始文档显示字符的任何格式信息,这是以往针对格式文档提出的水印方法做不到的,同时,也没有改变原始文档的任何语义信息,这也是以往的基于语义(自然语言)的水印方法做不到的.实验结果说明了该算法的可行性.

启发式属性约简算法完备性和规则发现算法的研究

寻找最小属性集已经被证明是NP难的问题,一般采用启发式的算法来寻找近似最优解。而一般文献中对启发式算法的完备性都没做深入的讨论,论文从冗余性存在的两种情况和找到的属性集可能不是最小属性约简集两方面对算法完备性问题作了研究,对几个算法的各种情况都相应地用构造性的方法给出了例子,特别定理1、2对构造例子有重要的指导作用。论文同时考虑了如何根据应用的要求求得一定程度的属性约简集。论文最后改进了规则提取的算法并详细分析了算法的优缺点。

基于通道信息不平衡度的多元经验模态分解方法

在轴承多通道振动信号中,由于多通道故障信息不平衡会导致轴承故障诊断精度降低。针对这一问题,提出了一种考虑多通道故障信息不平衡的,基于多元经验模态分解(MEMD)的轴承故障特征提取与诊断方法。首先,分析了传统MEMD随机选择映射方向的缺陷,设计了依据通道间故障信息不平衡度自适应调整映射方向的策略,使分量信号中包含更多故障信息,并基于多元模态分解结果构造了特征空间;然后,基于冗余属性投影法对多通道提取的故障特征进行了融合,得到了多通道融合的本质故障特征;最后,采用反向传播(BP)神经网络进行了故障模式识别,设计了三层神经网络结构,且使用误差反向传播法进行了参数训练,并制定了基于BP神经网络的轴承故障诊断流程。研究结果表明:改进MEMD提取特征的类边界比传统方法更加明确,说明改进方法能够提取更具代表性的故障特征;从诊断精度看,与传统多元模态分解方法、完备集成辛几何分解方法相比,改进MEMD方法的诊断准确率最高,达到了99.5%。实验结果验证了改进方法在多通道故障诊断中是可行的,且从诊断精度上看,其具有一定的先进性。

基于属性相关性的属性约简新方法

文章给出了一个基于粗糙集理论的属性相关性的新定义,并在此基础上给出了基于属性相关性的属性约简新方法。本算法不但能过滤掉属性集合中的无关属性,而且能有效地找到属性集合中的冗余属性,从而得到满意的属性约简。对UCI机器学习数据集的测试结果也验证了算法的有效性。

基于约简属性和阈值分割的决策树构建方法

针对决策树C4.5算法在处理连续值属性过程中时间复杂度较高的问题,提出一种新的决策树构建方法:采用概率论中属性间的相关系数(Pearson),对数据集中的属性进行约简;结合属性的信息增益率,保留决策属性的最优子集,保证属性子集中没有冗余属性;采用边界点的判定,改进了连续值属性离散化过程中阈值分割方法,对信息增益率的计算进行修正。采用UCI数据库中的数据集,在Pycharm平台上进行一系列对比实验,结果表明:采用改进后C4.5决策树算法,决策树生成效率提高了约50%,准确率提升约2%,比较有效地解决了原C4.5算法属性选择偏连续值属性的问题。

基于属性相关分析的离群数据并行挖掘算法

针对高维海量数据集中的局部离群数据,利用并行计算和属性相关性分析思想,给出了一种离群数据并行挖掘算法。该算法首先由主节点分配属性相关分析任务,各个子节点并行查找数据集中的冗余属性,将其冗余属性传回主节点,并由主节点删除;其次,主节点分配搜索任务,各子节点采用微粒群算法,并行搜索局部离群子空间;再次,由主节点对局部离群子空间合并计算后,确定全局离群数据;最后,在MPICH2-1.0.3的并行计算环境下,采用恒星光谱数据作为数据集,实验结果验证了算法的正确性和有效性。

一种基于支持向量机预分类的属性选择算法

图像识别一般是一个高维分类问题,不可避免会存在很多冗余属性。针对图像识别问题,提出一种基于支持向量机预分类的属性选择算法。该算法首先在原始训练集合上利用支持向量机算法进行预分类,求取分类超平面。然后根据分类超平面的方向量的系数大小,进行特征属性选择。在Corel Image数据库上的仿真实验表明该算法是一种优秀的属性选择算法,可以有效地提高传统分类算法的分类性能。

不完备信息条件下基于Roustida改进算法的诊断规则提取

诊断决策过程本质上为信息的处理过程。由于信息结构的复杂性和采集的局限性使得获取的信息存在缺失、模糊、冗余等不完备现象,从而影响诊断的准确性。为此,对条件属性冗余、部分数据值缺失情形下,如何提高被诊断信息的完备性开展讨论,试图通过问题聚类探寻诊断决策所需的隐含规则,提出信息补齐与属性约简的知识挖掘方法:首先,针对Roustida算法在缺失值处理时存在的局限性进行改进,扩充其在工程实践中的适用范围,使缺损信息趋于完整;然后,利用遗传算法和广义诊断规则推理实现条件属性约简和规则凝练;最后,以质量问题诊断为对象进行了案例研究,验证了不完备信息条件下该方法可以实现以相对较简方式表达问题与情境信息之间的关联关系,挖掘问题发生的隐含规律。

基于关联规则的区间概念格属性约简模型

区间概念格的属性约简是在保持形式背景上所有区间概念的上、下界外延集不变的前提下,寻找极小属性子集,该属性子集依然能够完全确定形式背景上的所有区间概念,并基本保持它们之间原有的层次结构关系。根据给定的形式背景构建相应的区间概念,进而得到量化的区间概念,然后依据量化区间概念的上界外延数先查找频繁结点后,再进一步提取强置信度的关联规则,最后根据这些关联规则去掉信息表中的冗余属性,达到约简的目的。经验证,由约简后的信息表得到的格结构层次较约简前变化不大。

基于CRITIC-NAP的滚动轴承故障诊断

为消除实际工况中振动信号时变异常点对故障特征的干扰影响,提出一种利用CRITIC权重法量化估计信号被干扰程度,改进冗余属性投影(nuisance attribute projection,NAP)的故障特征处理方法。首先,采集多时段样本数据,利用CRITIC误差评价矩阵,量化估计离散度,自适应构造权重矩阵;其次,通过权重矩阵更新NAP投影矩阵,对故障特征进行冗余属性投影;最后,随机抽取已知运行状态投影后的样本作为SVM训练集,剩余样本作为测试集进行故障诊断。通过故障特征曲线对比实验,得出处理后的特征曲线基本完全重合,消除了同状态不同样本间故障特征差异性,验证了所提方法的有效性。通过相关性实验,与传统NAP做对比,4类状态特征相关性均有提高,平均相关系数高达近1,验证了所提方法的优越性。

显式动力学驱动的轴承变工况故障诊断方法

实际工程应用中,旋转机械通常处于变工况状态,不同工况样本特征分布的差异限制了故障诊断模型的应用范围。为解决变工况下特征分布不一致的问题,提出了显式动力学驱动的轴承变工况故障诊断方法。首先,采用有限元法仿真多工况、多故障类型的样本,通过冗余属性投影得到不同故障类型下的仿真投影矩阵;然后,利用仿真投影矩阵同步消除实测信号特征样本的复杂工况冗余信息;最后,结合支持向量机进行轴承变工况的故障诊断。通过两组变工况轴承数据集对所提方法进行验证,验证结果表明,仿真投影矩阵有效消除了冗余工况信息,投影后的故障诊断准确率达到100%。

基于并行约简的多节点网络安全态势评估方法

多节点网络产生的数据量巨大,无法保证评估结果精准。本文提出基于并行约简的多节点网络安全态势评估方法。提取多节点网络安全态势因素,构建基于并行约简的评估模型,剔除冗余属性,获取信息融合后的网络攻击模式。根据信息融合进程,将全部数据分配到各个并行处理的进程中,计算初始化局部约简集、核心属性集的安全态势评估指数。结合主机节点的安全状态和权重,融合多个节点态势。从热源节点出发,构建最简攻击图,计算安全事件关联度函数,判断攻击事件是否安全。累计每次攻击主机节点的影响,计算安全态势值,评估多节点网络安全态势。实验结果表明,该方法与预期评估结果存在0.02的最大误差,具有精准评估结果。

基于Rough集联系度的决策表简化方法

提出了集合型Rough集 (粗集 )联系度的概念以及利用Rough集联系度对决策表进行条件属性简化和属性冗余值简化的计算步骤 。

基于粗糙集理论和SOFM神经网络的聚类方法

粗糙集理论和自组织特征映射SOFM(Self-Organizing-Feature-Map)神经网络在聚类分析中有各自的优势和劣势,结合SOFM神经网络和粗糙集理论提出一种算法。该算法利用粗糙集理论的属性约简去掉样本的冗余属性,并将处理过的数据作为SOFM神经网络的训练样本,从而减小了SOFM网络的规模,因此提高了样本的聚类效率。

基于深度学习的改进贝叶斯网络入侵检测算法

针对传统的朴素贝叶斯网络入侵检测技术存在训练数据集中属性冗余的问题,以及没有考虑到网络环境的变化导致贝叶斯网络结构改变的问题,提出一种结合深度学习和滑动窗口改进贝叶斯网络入侵检测方法。利用深度学习提取特征属性,降低数据集维数;采用滑动窗口技术实时更新贝叶斯网络参数,并利用特征属性的互信息计算各属性之间的相对欧氏距离,根据相对欧氏距离的大小及时更新贝叶斯网络,以提高检测率。实验结果表明,改进后的贝叶斯网络能够提高运算效率和检测率。

■-知识与它的还原

利用单向S-粗集对偶,给出■-知识与■知识的F-还原概念,提出■-知识的F-还原定理与F-还原的属性补充冗余原理;单向S-粗集对偶是S-粗集的基本形式之一.

基于VLSI知识产权保护的可恢复双重芯核水印方法

针对现有芯核水印技术在水印受到攻击损坏后认证困难的问题,提出了一种基于VLSI知识产权保护的可恢复双重芯核水印方案.该方案主要采用一种门限秘密共享方案将待恢复的水印信息作为恢复因子;然后,通过构造特殊表达式组合的形式来压缩水印的预处理信息,并建立恢复因子与待恢复水印信息之间的映射关系;其次,在FPGA设计的bitfile自约束文件中通过插入未用LUT的冗余属性标识符来嵌入自恢复水印信息;最后,通过实验测试与结果表明:该方案可在水印受到一定程度的移除攻击后仍能有效地恢复出原始水印信息.同时,该方法也具有资源开销小、水印嵌入信息容量大以及鲁棒性强等优点.

核PCA神经网络集成算法在文本识别中的应用

文本识别问题是模式分类中的一类重要的识别问题,也是较难处理的一类。该类问题中往往存在很多冗余属性,因此传统的分类方法对它的效果一般不好。本文针对文本识别问题,提出了一种基于核主成分分析的神经网络集成算法,该算法首先利用核主成分分析进行降维,合理的去除冗余属性,然后再利用神经网络集成算法进行分类学习。在文本分类数据集上的实验说明,本文算法可以有效地提高文本分类问题的分类性能。

模糊诊断决策树中不完全数据的处理

离心压缩机组的模糊诊断决策树能够从理论上合理地解决一般诊断问题;但是实际设备运行环境中获得的数据常常造成属性值的缺省或测量错误等现象,所以在建树过程中利用不完全数据进行诊断推理也是诊断系统应该考虑的问题。对此文章提出了两种方法——对未约简属性决策树采取人为分配隶属度的方法,对约简属性决策树定义了极小决策树与极大决策树的概念,并给出极大决策树的建树方法,充分利用冗余属性的信息,提高诊断结果的精度。

函数依赖集的扩展左部集

给出了扩展左部集的概念。讨论了当ＦＤ集Ｆ无内部冲突时，Ｆ的扩展左部集的特点与求法，以及它与最小覆盖的左部集之间的联系，阐明了Ｆ的不同最小覆盖集的左部集之间的关系。