簡(jiǎn)介：現(xiàn)今，網(wǎng)絡(luò)數(shù)據(jù)不斷激增，這其中大多數(shù)數(shù)據(jù)是半結(jié)構(gòu)化的，半結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)類似于圖或樹，通常稱為有向標(biāo)記圖。怎樣才能在這些海量的半結(jié)構(gòu)化數(shù)據(jù)中找到我們需要的數(shù)據(jù)甚至如何從中挖掘出一些我們不曾了解的隱藏信息成為數(shù)據(jù)挖掘的一個(gè)新的研究方向。半結(jié)構(gòu)化數(shù)據(jù)有很多種表現(xiàn)形式，XML文檔是其中很重要的一種。因此在這個(gè)研究方向中，如何能量化兩個(gè)XML文檔的相似性是一個(gè)關(guān)鍵，特別是兩個(gè)XML文檔的結(jié)構(gòu)和語(yǔ)義相似性。XML不僅可以描述結(jié)構(gòu)化數(shù)據(jù)，還具有描述半結(jié)構(gòu)化數(shù)據(jù)的能力。目前，它是處理半結(jié)構(gòu)化文檔的最有力的工具。XML文檔的相似性計(jì)算在XML數(shù)據(jù)的近似搜索和文檔分類方面有非常重要的作用。一些XML相似性計(jì)算方法已經(jīng)被前人提出，例如編輯距離等，然而，很少有方法能夠簡(jiǎn)潔的描繪出XML文檔的結(jié)構(gòu)及語(yǔ)義信息，進(jìn)而有效的計(jì)算XML文檔間的相似性。本文提出一種新的基于擴(kuò)展鄰接矩陣的XML文檔結(jié)構(gòu)及語(yǔ)義相似性測(cè)度方法。首先，本文介紹了數(shù)據(jù)挖掘概念及文檔相似性計(jì)算產(chǎn)生的背景與意義、XML文檔概念與特點(diǎn)以及傳統(tǒng)的XML文檔相似性計(jì)算方法等。其次通過(guò)深度搜索和區(qū)間編碼技術(shù)對(duì)文檔結(jié)構(gòu)信息進(jìn)行編碼，參考鄰接矩陣的概念提出本文相似性計(jì)算方法的核心擴(kuò)展鄰接矩陣，不同于普通的鄰接矩陣，在擴(kuò)展鄰接矩陣中，結(jié)構(gòu)信息不僅僅是指鄰接的層，還包含了祖先子孫之間的關(guān)系。為了計(jì)算兩個(gè)文檔間的相似性，本文提出的方法首先會(huì)將兩篇XML文檔的結(jié)構(gòu)和語(yǔ)義信息存儲(chǔ)在兩個(gè)擴(kuò)展鄰接矩陣M1，M2中，然后通過(guò)COSM1，M2計(jì)算兩篇XML文檔的相似性。最后介紹本文提出的相似性計(jì)算方法是如何在程序中實(shí)現(xiàn)的，并設(shè)計(jì)一系列實(shí)驗(yàn)來(lái)驗(yàn)證該方法與其他相似性計(jì)算方法相比較效果如何。通過(guò)大量實(shí)驗(yàn)證明，該方法具有較高的有效性和準(zhǔn)確性。

簡(jiǎn)介：隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展信息大量膨脹和聚集互聯(lián)網(wǎng)已經(jīng)形成了一個(gè)由數(shù)據(jù)構(gòu)成的巨大數(shù)據(jù)倉(cāng)庫(kù)XMLEXTENSIBLEMARKUPLANGUAGE作為一種常用的數(shù)據(jù)交換和傳輸標(biāo)準(zhǔn)蘊(yùn)含了豐富的信息具有通用的數(shù)據(jù)表示能力能表示結(jié)構(gòu)化、半結(jié)構(gòu)化及元結(jié)構(gòu)化的數(shù)據(jù)。因此對(duì)XML文檔的挖掘已經(jīng)成為數(shù)據(jù)挖掘一個(gè)新的研究熱點(diǎn)。其中對(duì)XML文檔分類的研究越來(lái)越廣泛。根據(jù)XMI文檔的性質(zhì)分類時(shí)XML文檔結(jié)構(gòu)有許多模型有基于樹的、基于圖的和基于路徑的等等其中XML文檔的結(jié)構(gòu)相似性度量是XML結(jié)構(gòu)分析的核心問(wèn)題。將XML文檔視為一棵標(biāo)記樹時(shí)已有的XML文檔結(jié)構(gòu)相似性度量主要包括距離編輯法、路徑匹配法和時(shí)序分析法等。除結(jié)構(gòu)以外XML文檔的內(nèi)容對(duì)XML文檔分類的影響也很重要所以從結(jié)構(gòu)和內(nèi)容兩方面研究XML文檔分類方法具有重要的理論意義和廣泛的實(shí)用價(jià)值。本文基于結(jié)構(gòu)和內(nèi)容兩個(gè)方面對(duì)XML文檔分類模型和算法進(jìn)行了深入研究。首先針對(duì)目前XML文檔基于結(jié)構(gòu)和內(nèi)容的編輯距離分類算法的不足本文在計(jì)算相似性度量時(shí)提出了一種新的改進(jìn)方法CSXMLSIM方法使得當(dāng)XML文檔結(jié)構(gòu)相似而內(nèi)容差異大時(shí)分類有較高的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明當(dāng)XML文檔結(jié)構(gòu)相似內(nèi)容差異大時(shí)CSXMLSIM方法在提高分類準(zhǔn)確率方面有了明顯改善。其次針對(duì)傳統(tǒng)KNN算法的不足在CSXMLSIM算法作為相似度計(jì)算的基礎(chǔ)上本文提出了KNN的改進(jìn)算法DBKNN算法。DBKNN算法是基于聚類和密度的KNN改進(jìn)算法DBKNN算法根據(jù)訓(xùn)練樣本的密度采用聚類的方法除去訓(xùn)練集中一定數(shù)量的噪聲樣本使樣本在類別內(nèi)分布地更加均勻在提高文本分類準(zhǔn)確率的同時(shí)減少了樣本間相似度的計(jì)算量克服了KNN分類過(guò)程中搜索空間巨大的問(wèn)題。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了DBKNN算法的有效性和高效性。

簡(jiǎn)介：生物醫(yī)學(xué)研究是二十一世紀(jì)最受關(guān)注的研究領(lǐng)域之一，尤其隨著生物醫(yī)學(xué)研究在分子層面的展開，人類基因組計(jì)劃的實(shí)施完成，產(chǎn)生了海量的生物醫(yī)學(xué)數(shù)據(jù)，并形成了數(shù)以百計(jì)的生物醫(yī)學(xué)數(shù)據(jù)庫(kù)。這些醫(yī)學(xué)數(shù)據(jù)后面隱藏著大量的生物醫(yī)學(xué)知識(shí)，對(duì)研究人員和醫(yī)療工作者來(lái)說(shuō)，如何方便、快捷、準(zhǔn)確的查詢與檢索這些知識(shí)，并從這些繁雜的數(shù)據(jù)中找到有用的信息對(duì)他們的工作有著至關(guān)重要的作用。本文從當(dāng)前醫(yī)學(xué)研究人員和醫(yī)療工作者面臨的實(shí)際問(wèn)題出發(fā)，將多文檔自動(dòng)文摘技術(shù)應(yīng)用到生物醫(yī)學(xué)領(lǐng)域，重點(diǎn)研究了生物醫(yī)學(xué)多文檔自動(dòng)文摘系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。首先，根據(jù)PUBMED上查詢結(jié)果的特點(diǎn)，利用爬蟲程序?qū)⒂脩粼赑UBMED上的查詢結(jié)果保存到本機(jī)計(jì)算機(jī)中，并針對(duì)原始原料的特點(diǎn)，提出語(yǔ)料庫(kù)建立的方法，建立語(yǔ)料庫(kù)。其次，在建立語(yǔ)料庫(kù)的基礎(chǔ)上，為了規(guī)范數(shù)據(jù)格式，對(duì)語(yǔ)料庫(kù)進(jìn)行預(yù)處理，重點(diǎn)研究對(duì)語(yǔ)料的詞性標(biāo)注和命名實(shí)體識(shí)別，并最終選取標(biāo)記效果更好、速度更快的雙向推理算法，最簡(jiǎn)優(yōu)先策略，確保了對(duì)語(yǔ)料詞的準(zhǔn)確標(biāo)記的同時(shí)，克服了傳統(tǒng)算法的缺陷。最后，對(duì)規(guī)范化的數(shù)據(jù)進(jìn)行主題識(shí)別，主題識(shí)別是本文的關(guān)鍵，本文在根據(jù)醫(yī)學(xué)文獻(xiàn)的數(shù)據(jù)量大的特點(diǎn)，采用KMEANS聚類算法進(jìn)行主題聚類的同時(shí)，對(duì)傳統(tǒng)的算法進(jìn)行改進(jìn)，使其在聚類的同時(shí)可以動(dòng)態(tài)的增加類別，克服了傳統(tǒng)KMEANS聚類算法初始聚類數(shù)固定，難發(fā)現(xiàn)潛在主題的缺點(diǎn)。并首次提出交替增強(qiáng)策略，將其應(yīng)用于文摘句的抽取，最終對(duì)抽取的文摘句排序，生成文摘，并對(duì)生產(chǎn)文摘采用兩種內(nèi)部評(píng)測(cè)方法評(píng)測(cè)，取得了很好的效果。

簡(jiǎn)介：該論文以中國(guó)近代城市規(guī)劃專家董修甲的論著為中心，將董修甲的城市規(guī)劃思想及其學(xué)術(shù)貢獻(xiàn)作為研究課題。近年來(lái)中國(guó)近代城市規(guī)劃史的研究比較注重其歷史人物的研究，但在研究方法上，對(duì)人物史的相關(guān)論著研究相對(duì)較少。董修甲作為中國(guó)近代城市規(guī)劃的靈魂人物之一，對(duì)中國(guó)近代城市規(guī)劃史有著舉足輕重的影響。該文主要從董修甲的生平、規(guī)劃論著、理論實(shí)踐和社會(huì)影響等幾個(gè)方面，來(lái)論述其對(duì)中國(guó)近代城市規(guī)劃所作出的貢獻(xiàn)。該論文全面描繪了董修甲參與近代城市規(guī)劃建設(shè)的過(guò)程。董修甲1911年進(jìn)入清華學(xué)校，1918年赴美國(guó)留學(xué)，1921年回國(guó)，先后從事大學(xué)教育、政府官員和建設(shè)部門負(fù)責(zé)人，直至1945年的時(shí)間里，經(jīng)歷了城市規(guī)劃思想的萌芽期成長(zhǎng)期形成期轉(zhuǎn)化期定型期。董修甲求學(xué)時(shí)期分為國(guó)內(nèi)與國(guó)外兩個(gè)階段，國(guó)內(nèi)求學(xué)是董修甲的城市規(guī)劃主體思想方向的形成時(shí)期，國(guó)外留學(xué)是他城市規(guī)劃思想形成的主導(dǎo)時(shí)期。教學(xué)與行政時(shí)期是董修甲城市規(guī)劃思想的形成、完善并最終定型的階段。董修甲以寫作的形式作為傳播其思想的重要渠道。論著出現(xiàn)的初衷是為國(guó)為民，無(wú)形中卻將其思想的轉(zhuǎn)變與近代城市的轉(zhuǎn)變過(guò)程記錄下來(lái)，成為了探究中國(guó)近代社會(huì)的一把鑰匙。目前收集到董修甲撰寫論著128篇，從其中44篇城市規(guī)劃相關(guān)的書籍與文章分析中，論述董修甲將西方市政學(xué)與中國(guó)近代城市建設(shè)結(jié)合起來(lái)，在中國(guó)城市轉(zhuǎn)型過(guò)程中，起到了引進(jìn)西方城市管理體制與建設(shè)理論方面的作用，對(duì)中國(guó)城市照搬與擇取西式理論表現(xiàn)出的批判和贊許，及其在漢口、鎮(zhèn)江等地規(guī)劃中的實(shí)踐成果，進(jìn)而形成了自己的理論體系。董修甲在近代城市建設(shè)的新舊交替的發(fā)展過(guò)程中，也提出了舊城改造的規(guī)劃思想和新城市建設(shè)的規(guī)劃理念。董修甲作為中國(guó)近代城市規(guī)劃的先進(jìn)人物之一，扮演領(lǐng)導(dǎo)者和建設(shè)者的雙重身份，主持及參與漢口、吳淞等多個(gè)大城市轉(zhuǎn)型和市政建設(shè)。其論著對(duì)中國(guó)近代化城市建設(shè)發(fā)揮過(guò)較大作用，并對(duì)城市規(guī)劃產(chǎn)生積極影響。同時(shí)指出，董修甲的城市規(guī)劃思想對(duì)今天的城市規(guī)劃也有重要參考價(jià)值。

簡(jiǎn)介：XML是可擴(kuò)展標(biāo)記語(yǔ)言的簡(jiǎn)稱，它為WEB上的結(jié)構(gòu)化文檔和數(shù)據(jù)提供了通用的格式。隨著INTER的發(fā)展尤其是WEB技術(shù)的廣泛應(yīng)用，越來(lái)越多的應(yīng)用采用了XML技術(shù)作為信息表示和數(shù)據(jù)交換的標(biāo)準(zhǔn)，這使得通過(guò)數(shù)據(jù)庫(kù)技術(shù)對(duì)XML數(shù)據(jù)進(jìn)行管理變得越來(lái)越重要。在關(guān)于XML的數(shù)據(jù)管理技術(shù)中，數(shù)據(jù)驗(yàn)證是比較重要、且使用比較頻繁的組成部分，在維護(hù)數(shù)據(jù)安全和有效性方面扮演著十分重要的角色。XMLSCHEMA作為描述XML的新的W3C推薦標(biāo)準(zhǔn)，以其豐富的數(shù)據(jù)類型和靈活的結(jié)構(gòu)描述等優(yōu)點(diǎn)，被許多系統(tǒng)所使用，越來(lái)越多的人開始研究基于XMLSCHEMA的數(shù)據(jù)驗(yàn)證技術(shù)。針對(duì)XMLSCHEMA規(guī)范中規(guī)定的復(fù)雜數(shù)據(jù)類型的結(jié)構(gòu)描述，本文提出了一種稱為模式自動(dòng)機(jī)SCHEMAAUTOMATON的數(shù)據(jù)結(jié)構(gòu)，討論了將XML模式結(jié)構(gòu)轉(zhuǎn)換成模式自動(dòng)機(jī)的方法，設(shè)計(jì)并實(shí)現(xiàn)了一種自動(dòng)機(jī)驗(yàn)證算法來(lái)驗(yàn)證實(shí)例XML文檔的有效性，以解決XML結(jié)構(gòu)正則表達(dá)式驗(yàn)證的問(wèn)題。自動(dòng)機(jī)驗(yàn)證算法可以在模式空間內(nèi)高效地驗(yàn)證每一個(gè)獲得的XML數(shù)據(jù)，因此具有很高的效率。

簡(jiǎn)介：本文主要為解決企業(yè)內(nèi)網(wǎng)協(xié)同辦公時(shí)的電子文檔安全問(wèn)題。給出了一種基于BLP模型的電子文檔的保護(hù)方案。首先劃定了辦公文檔的保密等級(jí)和文檔能夠流轉(zhuǎn)的空間范圍。通過(guò)技術(shù)手段使高密級(jí)的文檔數(shù)據(jù)不能流轉(zhuǎn)到低密級(jí)的范圍中去。結(jié)合具體辦公環(huán)境，安全文檔的方案設(shè)計(jì)為將需被保護(hù)的電子文檔加密集中存儲(chǔ)到服務(wù)器端，客戶端需要時(shí)從服務(wù)器下載使用，使用完成后回收并刪除客戶端使用痕跡；并對(duì)文檔在客戶端駐留期間加以管控，使文檔內(nèi)容信息不會(huì)拷貝到其他低密級(jí)文件中或被打印。根據(jù)BLP模型思想，本方案首先劃分出允許高密級(jí)文檔流轉(zhuǎn)的安全區(qū)和可以允許低密級(jí)文檔流轉(zhuǎn)的非安全區(qū)，確保受保護(hù)的高密級(jí)文檔僅能流轉(zhuǎn)在安全區(qū)中。安全區(qū)包括服務(wù)器端的文檔存儲(chǔ)區(qū)和客戶端的文檔使用區(qū)安全沙盒兩部分。并根據(jù)安全區(qū)兩部分的的不同特點(diǎn)分別做了如下技術(shù)保障服務(wù)器端存儲(chǔ)區(qū)將文檔傳輸并存儲(chǔ)到服務(wù)器過(guò)程中，為防止信息被截獲或竊取，本文借鑒了以往信息加密傳輸所用到的數(shù)字信封技術(shù)，應(yīng)用密碼學(xué)中的非對(duì)稱加密技術(shù)，給出了一種適合文檔存儲(chǔ)的加密方案。此方案保證了文檔信息在傳輸和存儲(chǔ)過(guò)程中被加密，且加密的文檔信息在服務(wù)器上存儲(chǔ)后，既能方便給自己打開，也能在不告知自己密鑰的情況下方便的將文檔安全地共享給其他人?？蛻舳宋臋n使用區(qū)在客戶端建立一個(gè)安全沙盒。通過(guò)對(duì)所有進(jìn)程注入鉤子，托管其能使信息傳輸?shù)腁PI，管控其對(duì)保護(hù)文檔拷貝，復(fù)制，打印。確保被保護(hù)的文檔內(nèi)容信息無(wú)法流出安全沙盒。在受保護(hù)文檔被使用完成后，自動(dòng)回收到服務(wù)器端存儲(chǔ)，并消除掉本地所留下的痕跡，做到客戶端不留痕。安全使用者為打開安全文檔的進(jìn)程，通過(guò)對(duì)進(jìn)程注入一個(gè)權(quán)限令牌與非安全進(jìn)程區(qū)分。通過(guò)注入鉤子，托管其能使信息傳輸?shù)腤INDOWSAPI。用戶登錄基于強(qiáng)身份認(rèn)證的用戶準(zhǔn)入機(jī)制通過(guò)“挑戰(zhàn)響應(yīng)”方式，客戶端服務(wù)器雙向互認(rèn)證，確保雙方的合法性。通過(guò)以上方式對(duì)文檔安全區(qū)的保護(hù)，并輔之用戶身份認(rèn)證的系統(tǒng)準(zhǔn)入控制，從而保障了內(nèi)網(wǎng)文檔信息的安全。

簡(jiǎn)介：點(diǎn)擊查看更多基于統(tǒng)計(jì)的多文檔關(guān)鍵短語(yǔ)和文摘抽取研究.pdf精彩內(nèi)容。

簡(jiǎn)介：傳統(tǒng)手寫輸入法在文字錄入的過(guò)程中，用戶免不了要進(jìn)行檢查識(shí)別結(jié)果是否正確和從識(shí)別候選列表中選擇正確的識(shí)別結(jié)果的操作。這樣的操作會(huì)打斷用戶書寫思路，書寫過(guò)程難以連貫、流暢的進(jìn)行，大大降低了手寫輸入效率，同時(shí)這種基于局部信息的識(shí)別無(wú)法充分利用用戶在輸入整段或整篇文檔時(shí)豐富的上下文信息，識(shí)別率也難以進(jìn)一步提升。針對(duì)傳統(tǒng)手寫輸入法存在的問(wèn)題，提出一種支持用戶自由編輯已寫入的手寫字符的手寫文檔在線識(shí)別方法。這種方法將手寫文字編輯與手寫識(shí)別融合到一起，充分利用手寫文檔中字符間相似性特征和上下文信息，形成的一種基于手寫的自然、高效的人機(jī)交互的方法。在總結(jié)手寫字符識(shí)別算法和手寫字符筆跡相似度分析的研究現(xiàn)狀的基礎(chǔ)上，本文的研究?jī)?nèi)容及主要工作包括以下幾個(gè)方面1提出改進(jìn)的動(dòng)態(tài)時(shí)間彎曲算法，將該算法應(yīng)用到手寫體字符相似度的計(jì)算中，實(shí)現(xiàn)手寫文檔的文字相似性分析。2以手寫文檔的文字相似性分析的結(jié)果為基礎(chǔ)，結(jié)合輸入內(nèi)容的上下文信息，提出了確定手寫文檔識(shí)別候選的方法和識(shí)別結(jié)果自適應(yīng)調(diào)整的方法。3設(shè)計(jì)并實(shí)現(xiàn)手寫文檔在線識(shí)別系統(tǒng)，并通過(guò)試驗(yàn)檢驗(yàn)本文所提出的實(shí)現(xiàn)方法的有效性。經(jīng)實(shí)驗(yàn)測(cè)試，本文提出的手寫文檔識(shí)別方法比手寫單字符識(shí)別算法在第一候選識(shí)別準(zhǔn)確率上提高近47％，前五候選識(shí)別準(zhǔn)確率上提高近25，候選結(jié)果修訂的自適應(yīng)調(diào)整方法提供智能修改的功能，能夠自動(dòng)幫助用戶修改18的識(shí)別錯(cuò)誤。實(shí)現(xiàn)的支持用戶自由編輯已寫入的手寫字符的手寫文檔在線識(shí)別系統(tǒng)能夠滿足用戶連續(xù)輸入、快速識(shí)別的錄入需求。

簡(jiǎn)介：隨著微軟OFFICE系列文檔在桌面系統(tǒng)的廣泛應(yīng)用，其相關(guān)應(yīng)用軟件的安全問(wèn)題引起了國(guó)內(nèi)外信息安全界和攻擊者的普遍關(guān)注，針對(duì)WD加密文檔的破解就是其中的研究熱點(diǎn)之一。傳統(tǒng)的方法通常采用暴力破解，但隨著WD文檔加密口令長(zhǎng)度的加長(zhǎng)，密鑰空間相應(yīng)增大，很難在有效的時(shí)間內(nèi)實(shí)現(xiàn)密鑰空間的完全搜索。本文主要圍繞WD加密文檔破解方法和技術(shù)展開研究。首先，研究了OFFICE復(fù)合文檔格式，對(duì)WD文檔二進(jìn)制結(jié)構(gòu)進(jìn)行了解析，并深入剖析了WD文檔的加密機(jī)制，利用加密機(jī)制中存在的缺陷，采用一種與口令長(zhǎng)度無(wú)關(guān)的常量時(shí)間破解方案。其次，探討和分析了時(shí)空折衷算法的原理和實(shí)現(xiàn)機(jī)制，借鑒其應(yīng)用思想的基礎(chǔ)上，提出了一種利用時(shí)空折衷算法快速破解WD文檔的方法。時(shí)空折衷算法是一種使用預(yù)計(jì)算表快速逆轉(zhuǎn)單向函數(shù)的方法，它由預(yù)計(jì)算階段和在線階段兩個(gè)階段組成。預(yù)計(jì)算階段迭代調(diào)用單向函數(shù)構(gòu)建單向鏈，存儲(chǔ)計(jì)算得到的一個(gè)大小遠(yuǎn)小于完整的字典的摘要。在線階段對(duì)于一個(gè)給定的具體逆轉(zhuǎn)目標(biāo)點(diǎn)，算法返回這一目標(biāo)點(diǎn)的一個(gè)原象，所需時(shí)間遠(yuǎn)小于窮舉搜索的時(shí)間。本文在彩虹表時(shí)空折衷算法的基礎(chǔ)上，根據(jù)WD文檔的加密機(jī)制，定義出破解WD文檔的單向函數(shù)，由此設(shè)計(jì)了一種適合WD文檔破解的時(shí)空折衷算法，并通過(guò)實(shí)驗(yàn)進(jìn)行了測(cè)試和驗(yàn)證。最后，研究了MAPREDUCE分布式編程模型及其開源實(shí)現(xiàn)HADOOP框架。針對(duì)時(shí)空折衷算法預(yù)計(jì)算階段需花費(fèi)大量時(shí)間構(gòu)建表的問(wèn)題，引入MAPREDUCE技術(shù)，把預(yù)計(jì)算彩虹表的工作量分配給多個(gè)節(jié)點(diǎn)，在計(jì)算機(jī)集群上并發(fā)地生成彩虹鏈并存儲(chǔ)于HADOOP分布式文件系統(tǒng)HDFS，設(shè)計(jì)了一個(gè)基于HADOOP、采用MAPREDUCE技術(shù)的時(shí)空折衷破解系統(tǒng)，能高效穩(wěn)定地運(yùn)行分布式任務(wù)。利用HADOOP分布式框架構(gòu)建彩虹表，大大減少了構(gòu)建彩虹表的時(shí)間并方便管理彩虹表文件；利用HADOOP集群搜索彩虹表，進(jìn)一步提高了破解效率。在WD加密文檔破解的研究中，本文融合口令長(zhǎng)度無(wú)關(guān)的攻擊方法與時(shí)空折衷算法，建立了一個(gè)WD加密文檔的破解模型，結(jié)合實(shí)際應(yīng)用，采用前沿的分布式框架實(shí)現(xiàn)了破解模型。論文研究成果對(duì)進(jìn)一步破解WD文檔具有一定的理論參考價(jià)值和實(shí)際應(yīng)用價(jià)值。

簡(jiǎn)介：可擴(kuò)展標(biāo)記語(yǔ)言XML作為描述互聯(lián)網(wǎng)上結(jié)構(gòu)化信息和內(nèi)容的標(biāo)準(zhǔn)，由于其簡(jiǎn)單性、標(biāo)準(zhǔn)性以及豐富的數(shù)據(jù)結(jié)構(gòu)，在電子商務(wù)、網(wǎng)絡(luò)出版和移動(dòng)通信等領(lǐng)域得到廣泛應(yīng)用。隨著XML技術(shù)的不斷發(fā)展，越來(lái)越多的信息以XML文檔的形式存儲(chǔ)，如何確保XML文檔中敏感信息的安全也成為一項(xiàng)重要研究?jī)?nèi)容。XML文檔本身具有樹形層次結(jié)構(gòu)的特點(diǎn)，它按照一定規(guī)則將許多元素組合成一個(gè)文件。盡管XML文檔內(nèi)的信息是相互聯(lián)系的，但是這些信息的安全級(jí)別可能不同。因此根據(jù)XML的特點(diǎn)，我們需要設(shè)計(jì)一個(gè)細(xì)粒度的訪問(wèn)控制模型來(lái)實(shí)現(xiàn)對(duì)XML文檔的訪問(wèn)控制。該模型不僅可以實(shí)現(xiàn)文檔級(jí)別的訪問(wèn)控制，而且可以精確到元素甚至是屬性。本文的主要工作如下1論文首先以一個(gè)簡(jiǎn)單的XML文檔為例對(duì)XML文檔的結(jié)構(gòu)和語(yǔ)法進(jìn)行了介紹，接著介紹了DTD、XMLSCHEMA、DOMSAX等XML規(guī)范。由于XMLSCHEMA比DTD更具優(yōu)越性，本文采用XMLSCHEMA對(duì)XML文檔進(jìn)行約束。接著對(duì)三種常用的訪問(wèn)控制方法（包括自主訪問(wèn)控制、強(qiáng)制訪問(wèn)控制以及基于角色的訪問(wèn)控制）進(jìn)行了研究，并對(duì)其各自的優(yōu)缺點(diǎn)做了分析。然后介紹了XACML規(guī)范。2根據(jù)XML文檔這一特殊訪問(wèn)控制對(duì)象的特點(diǎn)，我們?cè)贐LP模型的基礎(chǔ)上對(duì)主體和客體的標(biāo)簽進(jìn)行改進(jìn)，提出了一個(gè)XML文檔的訪問(wèn)控制模型EBLP模型，然后介紹了EBLP模型下的標(biāo)簽分配及規(guī)則，并對(duì)XML文檔的有效性和多實(shí)例等問(wèn)題進(jìn)行了詳細(xì)的討論。3以EBLP模型和XACML技術(shù)為基礎(chǔ)，設(shè)計(jì)了一個(gè)XML文檔的訪問(wèn)控制系統(tǒng)XEBLP，給出了該系統(tǒng)的框架，介紹了各模塊的功能，并給出了系統(tǒng)的一個(gè)完整的訪問(wèn)控制流程。由于采用了XACML表達(dá)訪問(wèn)控制策略，該系統(tǒng)具有良好的通用性和可擴(kuò)展性，并支持分布式應(yīng)用。4對(duì)本文的工作做總結(jié)，闡述了本文的主要研究成果，并對(duì)今后的工作做了進(jìn)一步的展望。

簡(jiǎn)介：輿情，是指在一定的社會(huì)空間內(nèi)，圍繞輿情因變事項(xiàng)的發(fā)生、發(fā)展和變化，作為主體的民眾對(duì)作為客體的執(zhí)政者及其所持有的政治取向產(chǎn)生和持有的社會(huì)政治態(tài)度。輿情信息是對(duì)輿情的一種描述和反映。在輿情信息系統(tǒng)中，表現(xiàn)輿情信息的形式可以有多種，目前還沒(méi)有固定標(biāo)準(zhǔn)。由于進(jìn)入輿情信息系統(tǒng)中的信息來(lái)源于多種多樣的數(shù)據(jù)源，而對(duì)于輿情信息的抽取和分析所使用的程序和算法是固定的，這就需要為各種數(shù)據(jù)源建立起一個(gè)統(tǒng)一的存儲(chǔ)模型。本文提出了一種基于樹的文檔模型，對(duì)這種緊密結(jié)合用戶需求的文檔模型的操作借鑒但不局限于W3C的DOM。本文基于和北京市某中心的合作項(xiàng)目，主要完成了以下工作1對(duì)不同來(lái)源的數(shù)據(jù)進(jìn)行抽象并建立基于樹的文檔模型；2文檔模型建立后，在其之上進(jìn)行信息抽取、信息過(guò)濾以及模型中各個(gè)分支的抽取與過(guò)濾；3經(jīng)過(guò)處理后的文檔模型，可被序列化存儲(chǔ)到數(shù)據(jù)庫(kù)中，并且分類和提供檢索；4對(duì)信息抽取和過(guò)濾計(jì)算準(zhǔn)確率和召回率。測(cè)試文檔生成的效率和占用內(nèi)存情況，做出分析和解析，使文檔模型能夠更加準(zhǔn)確地存在于系統(tǒng)之中。在設(shè)計(jì)和開發(fā)的過(guò)程中，應(yīng)用了許多計(jì)算機(jī)技術(shù)，如數(shù)據(jù)庫(kù)連接池、面向?qū)ο蟮腏AVA語(yǔ)言程序設(shè)計(jì)，GUI部分用到的SWING類庫(kù)和JFREET包，軟件單元測(cè)試和極限編程的若干開發(fā)思想等等。在信息抽取源的選擇上包括了網(wǎng)頁(yè)、PDF、WD等，對(duì)于每種數(shù)據(jù)源都有相應(yīng)的數(shù)據(jù)適配器。對(duì)文檔模型的分類，采用了貝葉斯分類器，并動(dòng)態(tài)調(diào)整反饋器的參數(shù)。

簡(jiǎn)介：本文的主要成果提出了一種多模板匹配結(jié)合可信度分析的中文圖像文檔過(guò)濾方法，克服了傳統(tǒng)OCR速度慢的缺點(diǎn)，同時(shí)改善了基于圖像特征匹配方法對(duì)字體和噪音敏感的特性。本文通過(guò)粗特征計(jì)算待檢字與各類的距離尺度，用以判別待檢字的歸屬類。若待檢字屬于關(guān)鍵字類，則進(jìn)一步用細(xì)特征對(duì)關(guān)鍵字及其相似字進(jìn)行類內(nèi)確認(rèn)。本文提出了一種基于隱性語(yǔ)義索引和線性判別分析的文檔傾向性判別方法。由于由訓(xùn)練數(shù)據(jù)生成的詞文檔矩陣維數(shù)很高，直接應(yīng)用線性判別分析計(jì)算量十分巨大。隱性語(yǔ)義索引是將多維特征映射成低維特征的一種方法，能最低限度地減少信息的丟失。本文最后總結(jié)了中文圖像文檔高速過(guò)濾中的關(guān)鍵技術(shù)研究成果。

簡(jiǎn)介：點(diǎn)擊查看更多基于TCM和CPK的電子文檔保護(hù)系統(tǒng).pdf精彩內(nèi)容。

簡(jiǎn)介：關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中重要內(nèi)容之一旨在發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間的關(guān)聯(lián)或相關(guān)關(guān)系。將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于WEB文檔分類可以更有效地組織和管理海量的WEB信息更快地查找網(wǎng)絡(luò)上的信息。然而目前大多研究者在WEB文檔分類中僅僅涉及到了正關(guān)聯(lián)規(guī)則挖掘而較少涉及負(fù)關(guān)聯(lián)規(guī)則。負(fù)關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)項(xiàng)集之間的負(fù)關(guān)聯(lián)關(guān)系是對(duì)正關(guān)聯(lián)規(guī)則挖掘技術(shù)的補(bǔ)充將負(fù)關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于WEB文檔分類就可以發(fā)現(xiàn)那些負(fù)相關(guān)的WEB文檔從而提高WEB文檔分類的正確度。然而如何把負(fù)關(guān)聯(lián)規(guī)則應(yīng)用于WEB文檔分類還是一個(gè)新問(wèn)題為此本文對(duì)這一問(wèn)題進(jìn)行了討論并提出了一種基于正負(fù)關(guān)聯(lián)規(guī)則的WEB文檔分類方法。本文介紹了目前WEB文檔分類所涉及的分類方法并對(duì)國(guó)內(nèi)外正負(fù)關(guān)聯(lián)規(guī)則的研究現(xiàn)狀進(jìn)行了總結(jié)提出了一種基于正負(fù)關(guān)聯(lián)規(guī)則的WEB文檔分類方法。該方法中首先對(duì)WEB文檔進(jìn)行預(yù)處理將非結(jié)構(gòu)化的數(shù)據(jù)變成結(jié)構(gòu)化數(shù)據(jù)從而建立起新的事務(wù)集合；然后利用APRII算法求出頻繁2項(xiàng)集后用修改后的PNARC模型進(jìn)行規(guī)則選擇刪除矛盾的關(guān)聯(lián)規(guī)則得到正確的正負(fù)關(guān)聯(lián)規(guī)則從而區(qū)分出文檔之間的相關(guān)性以此來(lái)確定文檔是否真正屬于同一類別并通過(guò)實(shí)驗(yàn)對(duì)這個(gè)方法進(jìn)行驗(yàn)證證明該算法可以對(duì)WEB文檔進(jìn)行正確的分類。

簡(jiǎn)介：中南大學(xué)碩士學(xué)位論文基于半監(jiān)督學(xué)習(xí)的中文文檔分類技術(shù)研究姓名何堯申請(qǐng)學(xué)位級(jí)別碩士專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師趙躍龍20050301中南大學(xué)碩士學(xué)位論文ABSTRACTABSTRACTTEXTCLASSIFICATIONISASUPERVISEDLEARNINGTASKOFASSIGNINGNATURALLANGUAGETEXTDOCUMENTSTOONEORMOREPREDEFINEDCATEGORIESORCLASSESACCORDINGTOTHEIRCONTENTSITHASRECENTLYATTRACTEDANINCREASINGAMMOUNTOFATTENTIONDUETOTHEEVEEXPANDINGAMOUNTOFTEXTDOCUMENTSAVAILABLEINDIGITALFORMTEXTCLASSIFICATIONISWIDELYAPPLIEDINEVERYFIELDSOFTEXTPROCESSANDINFORMATIONRETRIEVAL，HASBECAMETHEKEYTECHNIQUEINPROCESSANDORGANIZELARGESCALETEXTINFORMATION，ANDIMPULSESTHEINFORMATIONPROCESSTOTHEDIRECTIONOFAUTOMATIONTHISTHESISFIRSTLYINTRODUCESGENERALDEVELOPMENTANDSOMETECHNIQUESOFINFORMATIONCLASSIFICATIONTHENSOMEANALYSESANDREMARKSAREMADETOCOMPARETHEPERFORMANCEOFSOMETYPICALCLASSIFICATIONIALGORITHMSOFFEATURESELECTION，F(xiàn)EACTUREEXTRACTION，ANDWEIGHTCALCULATION，CLASSIFICATIONALGORITHMSECONDLYCONSIDERINGTHECONTRADICITONOFDEADLYNEEDFORLARGELABELEDTRAINSETTOOBTAINHIGHCLASSIFICATIONACCURACYANDTHESCARCITYOFLABELEDDOCUMENTS，THISTHESISEMPHASIZESONIMPROVEMENTOFSEMISUPERVISEDCLASSIFICATIONALGORITHMS，ANALYSISALLTHEEXISTIEDSEMISUPERVISEDCLASSIFICATIONALOGRITHMNSANDFINDWHILEUNLABELEDDATASAMPLESCARLHELPTOIMPROVETHEACCURACYOFTRAINEDMODELSTOCERTAINEXTENTEXISTINGMETHODSSTILLFACEDIFFICULTIESWHENLABELEDDATAIS6XTREMELYSMALL，EGCONTAININGLESSTHAN10LABELEDEXAMPLESINEACHCLASS，ANDBIASEDAGAINSTTHEUNDERLYINGDATADISTRIBUTIONTHISPAPERPRESENTACLUSTERINGBASEDCLASSIFICATIONAPPROACHUSINGTHISAPPROACH，TRAININGDATAINCLUDINGBOTHTHELABELEDANDUNLABELEDDATAISFIRSTCLUSTEREDWITHTHEGUIDANCEOFTHELABELEDDATASOMEOFUNLABELEDDATASAMPLESARETHENLABELEDBASEDONTHECLUSTERSOBTAINEDDISCRIMINATIVECLASSIFIERSCANSUBSEQUENTLYBETRAINEDWITHTHEEXPANDEDLABELEDDATASETTHEEFFECTIVENESSOFTHEPROPOSEDMETHODISJUSTIFIEDANALYTICALLYFINALLYIDESIGNADOCUMENTCLASSIFICATIONSYSTEMANDCONDUCTEDNI