论文研究形式背景的属性树表示.pdf

由于原始海量数据规模较大，聚类算法难以实现，而且聚类分析有时候只考虑关键属性作为分类参数。因此提出了一种对原始数据先进行属性约简，再聚类分析的策略，可以在一定程度上消除数据对象中的冗余属性，改善聚类分

基于属性加权的ML-KNN算法改进，高文鹏，张彬，ML-KNN是应用朴素贝叶斯分类到KNN算法中解决多标记学习问题的一种算法，算法简洁、分类准确率高，相较其他成熟的多标记算法性能更优

基于属性约简的Entropy-KNN改进算法，赵晓丽，韦凌云，为降低维度灾难对分类算法效率和准确率的影响，本文提出基于属性约简的Entropy-KNN改进算法，将信息论中的信息熵理论与KNN算法结合起

针对噪声或者离群点通常会增加矩阵的秩的问题，提出一个在低秩限制下的基于超图的稀疏属性选择算法。算法利用其他属性稀疏地表达每一个属性来获得属性自表达系数矩阵，再利用超图正则化因子获取数据的局部结构，将子

聚类是一种无监督的机器学习方法，其任务是发现数据中的自然簇。共享最近邻聚类算法（SNN）在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果，但该算法还存在以下不足：（1）时间复杂度为O（

针对基于属性的访问控制模型（Attribute-Based Access Control，ABAC）不支持对敏感属性的保护和权限变更的问题，提出基于OSBE的属性访问控制模型。通过改用属性证书的签名，

提出一种基于本体的交互式查询请求优化方法。该方法综合考虑影响查询模糊性的各个因素，对查询模糊性进行测试，并给出了各模糊性参数定量的计算方法，根据模糊性参数值交互式地给出相应的查询请求优化策略。

基于模块属性的远程证明协议,王晓阳,彭新光,提出了一种安全高效的模块级的属性证明方案,本方案采用多种签名结合的方式确保各模块属性证明的真实性与正确性,采用虚拟子群签

提出一种在模型驱动开发过程中的形式化语义描述方法。该方法利用元建模技术，形式化地描述了元模型及其语义间的映射关系，以提供精确的语义描述，从而为模型驱动开发提供有力的支持。将描述框架用于模型转换规则的定

针对高维数据具有低秩形式和属性冗余等特点，提出一种基于属性自表达的无监督超图属性选择算法。该算法首先利用属性自表达特点用其他属性稀疏地表达每个属性，此自表达形式使用低秩假设寻找高维数据的低秩表示，然后