朱振国
- 作品数：14 被引量：92H指数：5
- 供职机构：重庆交通大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金重庆市自然科学基金重庆市教育委员会科学技术研究项目更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 融合网络安全信息的网络安全态势评估模型被引量：4
- 2007年
- 提出了融合网络安全信息的网络安全态势评估模型,该模型对多源安全设备的告警信息和主机系统日志进行校验、聚集融合,从而整体上降低安全设备的误报率,然后综合告警信息威胁量化结果和网络中漏洞的脆弱性量化结果两部分信息,对网络安全进行态势量化评估。经实验证实该模型能够比较准确的反映网络安全运行态势。
- 邓维斌朱振国鄢羽张闽
- 关键词：网络安全信息融合
- 软集与软格被引量：13
- 2013年
- 将Molodtsov于1999年提出的软集理论应用到格论中,提出了软格和软子格的概念,讨论了它们相关的性质。另外,基于-软集和q-软集的概念,讨论了理想软格和滤子软格的一些性质。
- 邵迎超朱振国秦克云
- 基于粗集的自动表情识别系统
- 2008年
- 本文提出了一种基于粗集的自动表情识别系统(RAFERS),该系统首先对人脸表情进行预处理,然后依次进行特征提取、特征选择、训练情感分类模型,最后对待测试的人脸表情进行自动的识别。实验表明,该系统能准确的识别人脸表情。
- 何琨朱振国
- 关键词：情感计算表情识别粗集
- 一种量化的网络安全态势评估方法被引量：13
- 2007年
- 本文根据网络中系统运行信息和系统配置信息,运用故障树模型对网络安全态势进行分层量化评估。经实验证实该评估方法能够较准确的反映网络安全运行态势。
- 朱振国鄢羽张闽周剑
- 关键词：网络安全故障树
- 基于强化学习的特征选择算法被引量：3
- 2018年
- 针对在数据挖掘过程中存在的维度灾难和特征冗余问题,本文在传统特征选择方法的基础上结合强化学习中Q学习方法,提出基于强化学习的特征选择算法,智能体Agent通过训练学习后自主决策得到特征子集.实验结果表明,本文提出的算法能有效的减少特征数量并有较高的分类性能.
- 朱振国赵凯旋刘民康
- 关键词：Q学习特征子集数据挖掘
- Vague集相似度量被引量：25
- 2008年
- 在不确定信息处理中,判定两个知识模式的相似度是知识划分、规则推理的前提。Vague集是处理模糊信息的一种有效工具,众多学者提出了基于Vague集的相似度量方法,但这些方法不足以准确描述Vague集的相似本质,并且度量的准确度较低。本文提出了一种度量Vague集相似度量方法的标准,为研究Vague集相似度量提供了参考;提出了一种新的Vague集相似度量的方法。实验结果表明,本文方法的区分能力高,并且有更好的度量效果。
- 朱振国王国胤
- 关键词：相似度量模糊集
- Vague集相似度量研究
- 康托尔于1874年创立了普通集合概念。在康托尔(Cantor)集合理论中，集合中任一元素，要么属于一个集合，要么不属于，二者必居其一，绝不模棱两可。也就是说，康托尔的集合论只能将事物分成两类：是与非。
客观世界...
- 朱振国
- 关键词：VAGUE集FUZZY集相似度量
- 文献传递
- 一种基于IP网络的拥塞控制调度算法被引量：3
- 2008年
- 文中在TCP基于窗口的端到端的拥塞控制算法和IP层拥塞控制算法上提出了一种改进的增强型非线性比例积分算法,该算法主要解决PID算法的参数设置、鲁棒性和算法敏感性问题,减少了PID算法的参数设置。改进的算法采用了内模控制和优化控制来实现算法的稳定性。通过仿真实验证明提出的算法有快的收敛速度和稳定性,提高了算法的鲁棒性。
- 吕科苇王汝言朱振国段振英
- 关键词：比例积分主动队列管理内模控制
- 基于核属性的知识获取算法
- 2008年
- Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法,在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功。决策表是Rough Set理论的处理对象,用Rough Set对决策表进行规则提取通常有代数观和信息观两种主要理论和方法,使用哪一种方法提取的规则集更好是很多研究者的目标。本文针对Rough Set理论的核心内容之一的知识获取进行了研究,提出了一种基于属性重要性排序的知识获取算法,并且证明了在不相容系统中使用信息观方法比使用代数观的方法更好,能够提取更合理的规则集。
- 朱振国赵毅李邕
- 关键词：ROUGHSET核属性信息观
- 基于数据场的类簇中心选取及其聚类被引量：5
- 2018年
- 针对现有聚类算法普遍存在聚类质量低、参数依赖性大、孤立点难识别等问题,提出一种基于数据场的聚类算法。该算法通过计算每个数据对象点的势值,根据类簇中心的势值比周围邻居的势值大,且与其他类簇中心有相对较大距离的特点,确定类簇中心;根据孤立点的势值等于零的特点,选出孤立点;最后将其他数据对象点划分到比自身势值大且最近邻的类簇中,从而实现聚类。仿真实验表明,该算法在不需要人为调参的情况下准确找出类簇中心和孤立点,聚类效果优良,且与数据集的形状无关。
- 朱振国冯应柱
- 关键词：数据场聚类孤立点
