基于粒子群重采样的网络流量解卷积测度提取

网络并发式流量特征具有信号时间可预测性,通过对网络流量的解卷积测度特征提取,提高对网络流量的预测性能。传统法方法采用粒子群优化算法实现对网络流量的特征测度盲解卷积分析,对原始信号的统计信息提取效果不好。提出一种基于粒子群退化重采样的网络流量解卷积测度提取算法,构建并发式网络流量序列采集模型,设计粒子退化重采样技术,将每个粒子的当前适应度值与其自身的个体最优值进行比较,如果优于个体最优值,得到粒子当前最优位置。仿真实验表明,采用该算法,收敛速度很快,在粒子群进化50代以内就可以实现成功收敛,对流量序列的测度特征提取结果准确,预测精度较高,展示了算法的优越性能。     

异构CMP数据库重复数据滤除算法

重复数据作为大量冗余数据的一种,对其有效及时地滤除能保证单芯片多处理器(CMP)数据库稳定运行。传统方法采用Fourier域变换方法,在干扰数据较多,信噪比较低时滤除效果较差,提出一种基于微分盲卷积的异构CMP数据库重复数据滤除算法,提取出满足固有模态函数的微分盲卷积分量,根据重复数据的丢失信息流特征,进行特征分解,得到重复数据的去均值量,实现对基于微分盲卷积的异构CMP数据库重复数据滤除算法改进。仿真实验表明,该算法能有效提高CPU利用率,提高系统数据处理的性能,各个节点信息处理效率较高,系统的占用率有所降低,具有数据访问和处理方面的优越性。     

基于半结构化分割的Web热点数据挖掘算法

随着大数据信息技术的发展,数据在线监测和数据挖掘成为计算机信息领域研究的热点。通过对Web热点数据分割挖掘,提高信息热点追踪和Web数据分类能力。传统算法采用非结构化数据挖掘算法,无法有效对Web热点数据进行准确定位和分层挖掘。提出一种基于半结构化分割的Web热点数据挖掘算法。采用半结构化数据进行特征分割,基于优秀基因位进行差分进化,使寻优曲线不断趋于平缓,在多个节点上并行的运行比较脚本,采用半结构化分割,使得Web热点特征挖掘实现自适应寻优,得到Web热点数据的分配因子,提高了挖掘性能。仿真结果表明,该算法获得了良好的效率和精度,提高了Web热点数据挖掘的自适应寻优能力。     

基于隐节点共振致密配对的Web数据文本抽取

Web网络中存在海量文本,需要进行合理高效的文本抽取,实现Web文本数据挖掘。由于Web文本数据的高维特性,文本抽取过程中自动分类配对困难。提出一种基于RBF神经网络隐节点共振致密配对的Web数据文本抽取算法,进行Web数据文本特征采样与关联主特征挖掘,在每次移动中形成RBF隐节点共振致密配对,得到最优文本特征选择的路径,建立RBF神经网络分类器,实现基于蚁群算法的特征抽取算法改进。实验结果表明,该算法能有效实现对隐节点的共振致密配对,特征挖掘跟踪性能较好,保障了挖掘性能,系统所提取的特征分量与其他模糊分量差距较小,文本正确抽取召回率高于传统方法,在Web网络数据文本抽取中具有优越可靠的应用价值。     

基于叠加编码的Web网页抓取路径损耗估计

对Web网页抓取是实现Web文本特征数据检索的最佳方式,Web网页抓取路径损耗误差的优化估计可以提高对Web数据的挖掘性能。传统方法中,对Web网页抓取采用基于线性滤波检测的单模匹配抓取方法,受弱信号幅度和临界阈值约束,路径损耗较大,且无法有效实现路径损耗误差有效估计。提出一种基于叠加编码特征统计的Web网页抓取路径损耗误差估计算法。构建Web网页文本特征抓取的目标函数,进行Web网络路径损耗模型构建,设计叠加编码算法进行特征统计,得到Web网页抓取路径概念格。仿真实验表明,该算法能有效提高Web网页抓取路径损耗误差估计精度,进而提高了Web网页文本数据抓取的查准率和文本特征数据的挖掘性能。     

基于Kalman滤波的Web数据流抗干扰挖掘算法

提出一种基于变维Kalman滤波的Web海量数据流抗干扰挖掘算法。构建Web环境下的海量数据挖掘数据流信息模型和噪声干扰模型,结合现代信号处理方法,设计变维Kalman滤波算法进行海量数据流信号滤波预处理,把Web海量数据流映射为一组非线性宽带调频信号模型,采用信号检测算法实现Web海量数据的抗干扰挖掘。仿真结果表明,采用该算法进行Web海量数据信息的抗干扰挖掘,具有较高的数据检测精度和准确挖掘性能,具有较高的抗干扰性和鲁棒性。     

NET架构下的Web连续攻击单模式匹配抓取算法

对Web连续攻击信号进行单模式匹配抓取进而提高对攻击信号的检测能力,提出一种基于NET架构的Web连续攻击单模式匹配抓取算法,采用盲源分离算法高斯随机分布下对连续攻击信号进行自相关成分分析,通过时频伸缩信号在不同时间下的能量密度,对Web连续攻击信号进行正常和异常数据分离,对不同频段进行频率变尺度压缩,实现对高频特征和低频特征的分段处理。采用包络线进行平均值标记的方法,得到信号的状态空间固有模态函数差值分量,实现算法改进。实验结果表明,该算法能准确实现对NET构架下的Web连续攻击特征点的单模式匹配抓取,提高对Web连续攻击信号的检测能力,对NET构架下的Web连续攻击特征信号的准确抓取概率较高,在网络安全构架等领域具有较好的应用价值。     

复杂属性环境下的Web错误数据挖掘算法研究

Web信息复杂程度不断加深,多维度、高复杂度的信息越来越多,信息中的错误信息特征在海量复杂数据属性中表述越来越困难,造成信息挖掘耗时过长,挖掘效果不好的问题。为了解决这一问题,提出了一种距离信息模糊信息权值分类的Web错误数据挖掘算法。在Web特征表述过程中,运用距离描述Web数据的错误数据特征,运用模糊信息熵,对错误数据特征进行距离分类,保证数据分类的准确性,最大程度的完成错误数据高效挖掘。实验结果表明,该算法能有效减少错误数据信息在海量信息中的挖掘时间,提高了挖掘的准确性,取得了满意的效果。     

基于机器学习的电磁脉冲相位特征挖掘算法

对电磁脉冲信号相位特征的准确挖掘和参量估计可以有效准确地确定信号源的方位,实现对识别目标的准确定位。传统的相位特征挖掘算法采用贝叶斯估计算法,算法在受到脉冲干扰时估计性能不好。提出一种基于机器学习的电磁脉冲信号相位特征挖掘算法,实现对相位估计精度的改进提高。首先构建电磁脉冲信号的模型,得到相位特征挖掘模型原始模型,求解相位模糊数搜索结合解得到两个阵列输出数据的相位差。计算电磁脉冲信号参数相位补偿项,采用机器学习算法进行电磁脉冲信号相位特征挖掘,构建调频信号作为估计目标方位角的载波信号,采用最小二乘拟合求斜率最终实现相位特征等相关信息的挖掘。仿真实验表明,该算法能准确估计出电磁脉冲信号辐射源的相位等参数信息,相位特征挖掘性能较好,展示了优越的数据挖掘和目标检测定位性能。     

基于小波多窗谱提取的智能数据库特征挖掘

通过对智能数据库的特征优化挖掘,实现特征数据融合,优化数据库分组访问信道,提高数据调度效率。当前的智能数据库特征挖掘算法采用相关度匹配的特征级联挖掘技术,当分层特征之间的具有较大的相似度时,挖掘效果不好。提出一种基于小波多窗谱提取的智能数据库特征挖掘算法。构建数据库模型,建立GMS方法以最小的代价和以最小的样本偏差来实现最高质量的样本数据集,采用粗糙概念格的生成算法进行数据流的频繁访问特征分区,构建小波函数,得到智能数据库的特征双曲调频母小波,提取数据库信息流的多窗谱特征,进行智能数据库特征挖掘算法改进。仿真结果表明,该算法进行数据库特征挖掘的运行时间较短,数据库特征挖掘精确度较高,提高了对数据库的访问和数据调度的精度和效率。     

网络入侵信号Radon变换边缘积分特征挖掘

传统方法中对网络入侵信号的挖掘采用基于相位匹配的Fourier变换方法,对入侵信号的边缘特征不能很好挖掘,提出一种采用Radon变换的网络入侵信号特征挖掘方法,基于特征分解原理,在时频空间中构建入侵信号的协方差矩阵,采用多特征向量奇异值分解方法挖掘入侵信号的边缘积分特征。运用Radon变换把由原来的点-直线对偶变成了点-正弦曲线对偶,优化对边缘积分特征的挖掘效果。在笛卡儿坐标空间中将挖掘数据分解为两个空间向量,实现特征挖掘。仿真实验表明,采用该算法进行大型网络入侵信号的特征挖掘,能有效检测出入侵信号的边缘积分特征信息,实时防护能力好,提高对入侵信号的发现能力。     

受经验约束的Web故障监测数据自适应重写算法

对Web故障监测异常数据的自适应重写可以实现对Web数据库的极值扰动盲分离,提高Web故障监测数据库的访问能力,进而提高对Web网络故障的诊断性能。提出基于极值扰动的Web异常数据自适应重写算法,引入自适应经验函数,优化粒子群进化搜索能力。选择一定的基函数与故障监测信号进行匹配,为了使粒子群摆脱局部极值,增加了极值扰动算子,进行经验约束函数调控,提高对Web网络故障的诊断性能。仿真实验表明,该算法能有效实现对Web网络故障数据的自适应重写,信号恢复和跟踪效果较好,提高了对Web数据库的访问精度,在Web网络数据库故障检测和数据调度访问等领域具有较好的应用价值。     

基于DWT和SVD的水印盲提取

为进一步提高盲水印算法的抗攻击性,提出了基于离散小波变换和奇异值分解的盲水印算法。首先对原始图像进行分块处理,再对分块后的图像进行二维离散小波变换并对低频子带进行奇异值分解,将混沌加密后的水印信息自适应地嵌入到分块矩阵的最大奇异值中,平衡了水印的鲁棒性和不可见性,同时实现了水印的盲提取,实验结果表明该算法具有很好的不可见性,且能有效地抵御JPEG压缩、噪声、剪切等各种攻击。     

基于时域卷积盲信号分离的雷达干扰抑制算法

把卷积盲分离算法应用于雷达系统抗干扰中,提出一种新的雷达系统干扰抑制算法.该算法在时域中对四阶累积量进行联合块对角化,以实现雷达信号和干扰信号的盲分离.计算机仿真结果表明,在无噪及含噪情况下,该算法均可把卷积混合的雷达回波信号及干扰信号分离开来,且有很好的分离性能.     

基于链距离估计的非显著特征数据挖掘算法

在软件故障测试和数据库访问中,对非显著特征数据的挖掘是难点,通过对非显著特征数据的挖掘,处理数据分布比较稀疏且呈现模式分布不规则的数据访问问题。提出一种基于链距离估计的非显著特征数据挖掘算法,在时域上对链距离估计模型进行平移处理,给出非显著特征数据的离群因子概念,提取关联度主特征量,基于链距离估计结果,得到有效特征挖掘概率密度值,实现对非显著特征数据挖掘算法改进。仿真实验表明,该算法使得无论是不同密度的点簇相互靠近还是出现模式偏离的情况,都能有效的挖掘出非显著特征点,从而增强了数据挖掘算法的有效性和通用性,采用该法能有效提高非显著特征数据的挖掘性能,数据挖掘的命中率较高,在数据库访问和软件故障测试等领域具有应用价值。     

基于Web挖掘的数字图书馆个性化技术研究

提出一种基于Web挖掘技术的个性化实现策略,针对数字图书馆资源的文献,改进了经典的算法,分别从Web内容挖掘、结构挖掘和日志挖掘出发,建立用户动态的兴趣特征模型,使之更具有实用性和针对性。     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

利用Web挖掘技术实现个性化推送服务

利用Web挖掘技术可以从大量的Web文档和Web活动中发现和抽取有用的信息,可以使资源了解用户交互行为数据中所包含的意义。因此,可以使用该技术实现个性化推送服务。构造了一个基于Web挖掘的个性化推送模型,并阐述了如何实现此模型,提出了结合Web使用、页面内容和站点拓扑结构算法,利用此算法来实现生成频繁访问路径集,得到的结果有显著改善。     

基于块奇异值分解的水印算法研究

奇异值分解是一种特殊的矩阵变换，并具有良好的性质。本文充分利用奇异值分解的特性，提出了一种新的基于块奇异值分解的量化水印算法和一种新的基于块奇异值分解的扩频水印算法。这两个算法都是通过对各个数据块的最大奇异值进行修改来嵌入水印，都可以根据待嵌入的水印信息量来调整分块的大小，算法的复杂度较低。其中的量化水印算法是含边信息的嵌入方法，可以实现盲检测。实验结果证明，基于块奇异值分解的水印算法对常规的图像处理攻击具有很好的鲁棒性，尤其是其中的量化水印算法。     

Web数据挖掘与高校数字图书馆个性化服务

针对高校数字图书馆个性化服务的实现,首先介绍Web数据挖掘和个性化服务的相关概念及特点,再详细叙述Web日志挖掘的相关算法及过程,最后指出Web数据挖掘是高校数字图书馆进行个性化服务的主要途径.