基于0-1属性矩阵的矩阵压缩存贮方法研究

在矩阵压缩存贮中引入0-1属性矩阵的概念,并在0-1矩阵的基础上给出了利用一维动态数组以及二维动态数组和一维动态数组混合存贮稀疏矩阵的寻址公式,该存贮方法为快速有效的存贮方法,节约了内存空间。

列车仿真技术中基于属性矩阵图的故障分析决策树算法

根据数据挖掘技术分析列车运行大数据的特点,提出了基于属性矩阵图的决策树算法。结合某列车仿真数据,详细阐述了计算属性度量、构建属性矩阵图模型及构造决策树的具体过程。由该决策树算法的故障分析结果可见,基于属性矩阵图决策树算法能准确地对故障问题进行分类归纳,为故障预测提供可靠依据。

基于漏洞属性矩阵的防火墙设计优化策略

分析了20个常见的防火墙漏洞，构造出一套防火墙漏洞属性矩阵，从不同的视角来分析并帮助预测防火墙中的漏洞，并演示了如何根据这套矩阵来优化防火墙的设计．该方法对最大化减少防火墙中的漏洞，保证网络安全运行有着显著的作用．

基于重要性分数的CUR矩阵分解识别WSN异常节点

现有异常节点识别方法普遍存在精度低或者功耗大等不足,针对这些不足,提出一种基于低秩矩阵分解的无线传感器网络异常节点识别算法。根据传感器节点的特性进行特征选取和属性矩阵构建;通过改进的CUR矩阵分解方法计算异常矩阵;依据异常矩阵中节点向量的总体均值和标准差设定控制限,判断节点是否发生异常。实验结果表明,与其它异常识别方法相比,该方法具有较高的识别准确率。

基于依赖空间的对象导出三支概念格的属性约简

在给定形式背景下,基于依赖空间提出了对象导出三支概念格属性约简的新定义,在此基础上讨论了属性约简方法。首先,借助三支算子定义了对象幂集上的一致关系,引入依赖空间。通过依赖空间生成闭包算子的闭元素,研究了闭元素和对象导出三支概念的外延之间的关系。其次,提出基于依赖空间的对象导出三支概念格属性约简的定义,该定义下的约简集是保持由原属性集确定的一致关系不变的最小属性子集。最后,给出协调集的判定定理,利用可辨识属性矩阵及辨识函数给出对象导出三支概念格的属性约简方法。

随机信息系统中基于不可辨识矩阵的属性约简

在随机信息系统中,根据不可辨识关系,提出了不可辨识属性矩阵的概念,证明了不可辨识属性矩阵与可辨识属性矩阵的关系,最后提出了一种基于不可辨识属性矩阵约简算法.实例研究表明,相对于可辨识属性矩阵算法,该算法在时间和存储空间上都有较大的改善和提高.

基于布尔矩阵的形式背景属性约简

为进一步探讨形式背景的属性约简,基于简化的可辨识属性矩阵给出概念格的布尔矩阵的定义,并证明此布尔矩阵的初等行变换与辨识函数的运算是等价的。提出形式背景属性约简的方法以及属性特征的判别方法。

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战。针对上述问题，提出了基于属性值偏好矩阵的协同过滤推荐算法，首先采用奇异值分解（SVD）对用户一项目评分矩阵降维得到目标用户的初始邻居用户集，生成新的用户一项目评分矩阵；然后将用户评分映射到相应的项目属性值上，生成每个用户的属性值偏好矩阵，并基于属性值偏好矩阵进行用户相似性度量，从而缓解了评分数据稀疏性；将新项目的属性值与用户的属性值偏好矩阵进行匹配，从而找出匹配度最高的前Ⅳ个用户作为新项目的推荐受众。实验结果表明了该算法的有效性。

一种基于属性与或矩阵和类型分析的XACML策略查询方法

访问控制策略的描述与执行是信息系统资源保护的一种重要方式,影响到系统的业务化运行。针对目前评估效率较低的问题,研究人员提出了基于属性缓存和重排序等策略的评估方法,该方法提高了策略的评估效率,但尚未解决策略评估需要遍历所有相关规则的问题。针对此问题,在分析XACML(eRxtensible Access Control Markup Language)描述特点的基础上,利用属性与或矩阵和类型分析,提出一种基于属性与或矩阵和类型分析的XACML策略查询方法,以减少策略评估实施时的规则匹配数量。该方法修改了现有Context Handler的处理过程,增加了一个访问控制规则匹配预处理环节,在该环节中计算得出每个规则属性的区分度,利用区分度和属性与或矩阵筛选掉与当前访问控制请求无关的规则,然后对筛选后的规则集合进行匹配,提高策略评估效率。最后通过实验验证了所提方法的有效性。

属性一致矩阵及其在决策分析中的应用

本文在属性集和属性测度的基础上提出了属性关系,指出属性关系可用属性矩阵来表示,同时,给出了属性一致矩阵的定义,讨论了其性质及合成运算,研究了属性一致矩阵在决策分析中的应用,并给出了应用实例。

属性集变化下序决策信息系统的增量属性约简算法

当序决策信息系统中的属性集不断变化时,基于优势关系的现有静态算法无法高效地更新其属性约简,为此,从属性增加和属性删除两个角度出发,以知识粒度表征的属性重要度为启发信息,提出两种新的增量属性约简算法.首先介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法扩展到优势粗糙集方法,得到可处理序决策信息系统的属性约简算法;然后,给出劣势属性矩阵的定义,并基于知识粒度的矩阵计算方法分析属性增删时属性约简的增量式更新机制,进一步设计了两种增量属性约简算法.最后,分析比较三种算法的时间复杂度,选取了六个不同的UCI数据集进行算法性能的测试,结果表明,提出的算法比静态的属性约简算法更高效.

一种基于属性邻接矩阵和博弈理论的风险控制模型

为了网络安全管理员能够在有限的资源条件下及时加固关键节点,减少网络攻击带来的损失,设计一种基于属性邻接矩阵和博弈理论的风险控制模型。该模型利用BFS攻击图简化算法删减攻击图中出现的环路和冗余节点,将简化后的攻击图转化为属性邻接矩阵,最后利用博弈理论得出可能的攻击路径和最优防御策略。实验结果表明,与传统风险控制方法相比,该模型解决了顶点和边数过多导致图结构过于复杂的问题,更具可视性地得出了攻击路径和原子攻击序列,可为信息系统管理员提供科学的理论参考。

基于差别矩阵的区间值形式背景属性约简

目的在形式概念分析理论框架下,研究区间值形式背景的属性约简。方法给出区间值属性集差别矩阵和区间值形式背景属性约简的定义,并研究相关性质;研究协调区间值属性集的判定定理。结果给出协调区间值属性集的判定定理,以及基于区间值属性集差别矩阵的区间值形式背景约简方法。结论区间值形式背景可进行属性约简。

不完备决策系统规则获取的相容矩阵算法

针对不完备信息决策系统问题,引入相容关系下条件属性矩阵和决策属性矩阵的相关概念,并由此提出一种基于矩阵的不完备信息决策系统规则获取算法。该算法无需计算核属性,通过矩阵计算,能够直接从不完备信息决策系统中提取所有的决策规则集。理论分析和实例结果均表明该算法的有效性和实用性。

融合隐式信任与属性偏好的群组推荐算法

随着互联网和推荐系统的不断发展,推荐服务的对象由单一用户扩展为群组成员,获取并融合组内成员的偏好、提升群组推荐效果成为当前推荐领域研究的热点问题.利用用户提供的多属性评分矩阵,提出一种融合隐式信任与属性偏好的群组推荐算法.首先,基于用户共同评分项目数和多属性评分相似度计算用户间的直接隐式信任,并利用信任传递机制获取用户间的间接信任,降低数据稀疏性.然后,通过计算用户各属性评分与总体评分间的距离来挖掘用户的属性偏好,在此基础上,利用注意力机制学习组内用户权重,将用户偏好聚合为群组偏好,进而结合深度学习框架对候选项目进行预测,生成最终的推荐列表.最后,四个数据集上的实验验证了提出的算法的有效性和可行性,实验结果表明,该算法的准确率、nDCG等评价指标明显优于对比算法.

不一致决策表各种属性约简的不一致性分析与转化

针对不一致决策表,系统地研究了代数约简、分布约简、最大分布约简及分配约简之间的关系,指出分布(分配)协调集必是代数协调集,但分布(分配)约简与代数约简之间并无包含与被包含关系,只有当分布(分配)约简存在,相应的代数约简才是其子集.最大分布协调集与代数协调集无强弱之分.基于等价可辨识属性矩阵具有相同属性约简和核的思想,提出一种简化的代数约简可辨识属性矩阵构造方法,在此基础上得到了将分布(分配)约简转化为代数约简,分布约简转为分配约简的新方法,部分解决了上述各属性约简结果不一致性问题,理论分析与数值算例证明了它的有效性.

概率信息系统的属性约简

用概率信息系统表示对象与属性值之间的概率关系.在概率信息系统的属性集上定义一种等价关系,该等价关系将概率信息系统分为协调和不协调的2大类,基于这种等价关系重点研究了概率信息系统以及协调概率信息系统的约简,同时讨论了可辨识属性矩阵与约简的相互关系,并通过实例加以验证.

一种基于零值原则的属性约简方法

根据Guan等提出的完备信息系统下矩阵约简算法,提出一种改进的属性约简计算方法。该方法根据矩阵的运算特点,通过引入唯一零值概念,使得计算过程更为简易。证明了它与区分矩阵下属性约简的等价性,最后将该方法运用到协调决策表中,并用实例对此进行了说明。

决策形式背景上区间集概念格的属性约简

将区间集思想引入决策形式背景,研究决策形式背景上的区间集概念格及其属性约简方法.首先在决策形式背景上建立条件区间集概念格和决策区间集概念格,引入这两个区间集概念格之间的加细,给出协调决策形式背景上的区间集协调集及约简的定义,讨论区间集协调集的判定方法.通过在决策形式背景上定义可辨识区间集属性矩阵,给出寻找决策形式背景上区间集约简的方法.

基于改进迁移学习的电力通信网络异常流量识别方法

常受网络异常流量形式多样化的影响,对其进行识别的难度也相对较大,为此,本文提出基于改进迁移学习的电力通信网络异常流量识别方法。考虑电力通信网络自身结构配置下流量源IP地址统计特征的多维属性,构建电力通信网络流量特征属性矩阵,并根据不同源IP地址之间的相似性,以及不同电力通信网络流量之间的关联关系,构建了邻接矩阵。将二者作为训练参数,采用小批量随机采样方式,在Q值函数下达到损失收敛后,将同一时间窗下存在特征属性交叉,且包含于源IP地址的流量作为异常流量的识别结果。在测试结果中,设计方法对于不同类型网络异常流量识别的ACC均达到了0.90以上。