基于SVM的信息系统风险动态识别和评估

风险识别和评估为信息系统的安全决策提供有力的支持工具。信息系统的动态性和复杂性决定了风险识别及评估的难度,本文利用SVM在小样本分类的优越性来适应信息系统的动态性和复杂性特点,实现对动态风险的有效识别。定义了风险因素形式化描述,提出了复杂风险的评估量化模型。通过实际应用验证了在风险识别及评估方面的有效性。风险识别和评估为信息系统的安全决策提供有力的支持工具。信息系统的动态性和复杂性决定了风险识别及评估的难度,本文利用SVM在小样本分类的优越性来适应信息系统的动态性和复杂性特点,实现对动态风险的有效识别。定义了风险因素形式化描述,提出了复杂风险的评估量化模型。通过实际应用验证了在风险识别及评估方面的有效性。     

一种云环境下基于Xen的分布式存储模式

云计算是一种新兴的服务模式,本文简述了云计算的定义、发展状况、特点以及基本构架,介绍了实现云计算的虚拟化技术的研究现状,面对云计算环境中浩瀚的资源,如何实现信息的高效利用成为目前需要解决的问题,基于此提出云计算环境下虚拟化分布式存储方法,最后指出了当前云计算亟待解决的问题和下一步的研究方向.     

基于密钥的Arnold—Hilbert变换在图像置乱中的应用

在分析使用Arnold变换和Hilbert曲线的图像置乱的基础上,提出一种基于密钥的Arnold-Hilbert组合变换的图像置乱方法.通过实验及分析说明了该方法的效果、抗攻击能力及实际应用价值.     

针对不平衡数据集的维数约简方法

针对不平衡数据的分类问题,本文提出了一种新的方法,将特征选择应用在不平衡数据集中,首先对数据集进行预处理,然后从特征选择的角度出发,选择具有较强能力代表数据集的特征,简化数据的同时也提高了分类性能。通过实验表明,该方法能够有效地提高分类精度。     

分类器组合技术的多样性研究

分类器组合技术可以提高模式识别的性能,受到了模式识别领域研究人员的广泛关注.实现成员分类器的多样性是提高分类器组合泛化能力主要手段.本文从成员分类器的生成介绍了实现成员分类器多样性的各种方法,同时介绍了度量成员分类器多样性的各种技术,并提出了一种如何训练多样性成员分类器的技术思路.     

基于聚类的少数类样本采样方法

针对处理不平衡数据集的分类问题,SMOTE通过在相邻样例间线性插值实现少数类样例过采样。但SMOTE插值的结果是样例密集的地方依然相对密集,样例稀疏的地方依然相对稀疏,影响分类性能。针对该问题本文提出一种基于聚类的过采样方法-C-SMOTE。该方法首先将少数类样例聚成多个簇,再以簇为单位结合SMOTE方法产生新样例。实验结果表明,C-SMOTE既保证了数据集整体分类准确率,又能提高少数类分类精度。     

基于JSON规范的服务器动态管理数据获取与分析框架

介绍了JSON规范并与XML技术作了比较.采用XML在传输效率、兼容性及所占存储空间上存在诸多问题,不适合用于嵌入式实时管理系统.本文采用JSON存储服务器健康信息,提出了基于JSON规范的服务器动态管理数据获取与分析框架,有效克服了以上问题,并能够通过此框架实现服务器智能管理系统,提高管理员对服务器的掌控能力.     

基于超链接结构和向量空间模型的网页排序算法研究

在传统的向量空间模型中，TF-IDF算法被广泛应用在基于关键字的信息检索中，而随着对web检索研究的不断深入，充分利用Web文档结构的超链接信息对提高web检索的查全率和查准率有重要作用．因而本文对这两方面算法的结合进行了研究，并对其改进进行了讨论。     

分类器组合技术的多样性研究

分类器组合技术可以提高模式识别的性能,受到了模式识别领域研究人员的广泛关注。实现成员分类器的多样性是提高分类器组合泛化能力主要手段。本文从成员分类器的生成介绍了实现成员分类器多样性的各种方法,同时介绍了度量成员分类器多样性的各种技术,并提出了一种如何训练多样性成员分类器的技术思路。     

概论核方法及核参数的选择

本文介绍支持向量机分类非线性数据集的优越性，讨论了基于核的方法，并对核的方法的实质进行了论述。通过matlab制作的图像可知：核方法的参数的选择对于基于核的分类法具有重要作用。对现有的选择核参数的方式效果进行了归纳与比较，从而分析得出了各种选择参数方式的优缺点。