基于云平台的电子证据存储中访问控制的动态委托方法

对动态云平台电子证据存储代表的必要性的研究,证明所有资源网站的可信任性是安全云平台电子证据存储计算的一个先决条件.分析了现有的代表团类和电网计划,并提出了云平台电子证据存储访问控制的模糊信任、委托模型(FTDM)和基于云平台电子证据存储实体之间信任关系的两个阶段的模糊推理过程,进而决定类的代表团和信任级别授权访问的可能性.并且引用数字取证分析云平台资源的K-means聚类算法的基础上的CGRS资源选择算法,并在实务部门数字取证分析平台的可扩展环境中实施.通过分析和实验结果验证了分析平台的资源选择算法的有效性和正确性.     

一种基于高维空间聚类的离群数据发现算法

针对高维稀疏聚类CABOSFV算法仅能解决二态变量高维稀疏聚类问题而对其他类型变量算法将失效的情况，通过定义“属性绝对值距离”解决了CABOSFV算法固有的这一缺陷。另外，针对聚类后产生伪孤立点问题，提出相应的异常数据处理策略，从而得到较为精确的离群数据。     

分簇无线传感器网络基于随机数的两级身份认证

文中提出一种分簇无线传感器网络的基于随机数的两级身份认证方法。该方案将认证过程分为两个阶段：簇头与基站的一级认证和成员节点与基站的二级认证。整个认证过程采用对称加密的方法,通过检查随机数的一致性来保证认证过程的连贯,对存储开销的要求较低。簇头作为中转节点,在全网中具有重要作用。在保证簇头安全的前提下成员节点才与基站开始认证,这样能有效地避免成员节点与基站在簇头不安全的情况下进行身份认证而带来的时间上和能量上的浪费,提高了认证效率,同时与传统的点到点的认证相比,能量消耗相对较少。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

Phishing web image segmentation based on improving spectral clustering

This paper proposes a novel phishing web image segmentation algorithm which based on improving spectral clustering. Firstly, we construct a set of points which are composed of spatial lo-cation pixels and gray levels from a given image. Secondly, the data is clustered in spectral space of the similar matrix of the set points, in order to avoid the drawbacks of K-means algorithm in the con-ventional spectral clustering method that is sensitive to initial clustering centroids and convergence to local optimal solution, we introduce the clone operator, Cauthy mutation to enlarge the scale of clustering centers, quantum-inspired evolutionary algorithm to find the global optimal clustering centroids. Compared with phishing web image segmentation based on K-means, experimental results show that the segmentation performance of our method gains much improvement. Moreover, our method can convergence to global optimal solution and is better in accuracy of phishing web seg-mentation.     

Differential privacy protection scheme based on edge betweenness model

With the continuous development of social network application,user’s personal social data is so sensitive that the problem of privacy protection needs to be solved urgently.In order to reduce the network data sensitivity,a differential privacy protection scheme BCPA based on edge betweenness model was proposed.The 2K sequence corresponding to the graph structure based on the dK model was captured,and 2K sequences based on the edge betweenness centrality were reordered.According to the result of reordering,the 2K sequence was grouped into several sub-sequences,and each sub-sequence was respectively added with noise by a dK perturbation algorithm.Finally,a social network graph satisfying differential privacy was generated according to the new 2K sequences after integration.Based on the real datasets,the scheme was compared with the classical schemes through simulation experiments.The results demonstrate that it improves the accuracy and usability of data while ensuring desired privacy protection level.     

基于模糊聚类和时域跟踪的视频分割

本文提出了一种基于模糊聚类和时域跟踪的视频分割方法。它把视频序列的连续7帧图像作为一组,对每组中间那一帧图像进行初始分割,对组内其他帧图像采用时域跟踪方法进行分割。初始分割采用了改进的多特征模糊聚类方法：时域跟踪是利用上一帧的分割结果通过运动估计向下一帧投影,作为下一帧的初始分割来完成的。     

直方图模糊约束FCM聚类自适应多阈值图像分割

本文提出了一种新的有效的图像多阈值分割方法．该方法通过对模糊约束直方图目标函数的优化．获得一个最佳模糊约束Ｃ划分,根据最大隶属度原则进行图像多阈值化．文中对得到的模糊划分函数进行了分析,同时还讨论了直方图划分类数的自适应确定问题．最后给出了几个典型的实验．理论分析和实验表明了本文方法具有速度快、划分特性良好,鲁棒性强的特点     

基于免疫克隆算法和K-medoids的网络节点聚类

在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类.     

基于改进的混合模式个性化选课推荐技术研究

针对高等学校学生选课系统中存在的缺乏个性化课程推荐、选课效率较低的问题,通过对个性化推荐技术的分析研究,提出了基于内容、项目及用户属性的改进混合模式算法,并将该算法应用到选课系统中,用MACE数据集对算法进行验证。结果表明,该算法解决了个性化推荐技术中的冷启动问题,相关指标有明显提高,实现了课程与新课程的个性化推荐,并减少了选课的盲目性。