导读:本文包含了属性集论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:属性,信息系统,冲突,真值,数据,早操,冗余。
属性集论文文献综述
卢菁,胡成,刘丛[1]（2019）在《利用属性集相关性与源误差的多真值发现方法研究》一文中研究指出目前真值发现的研究主要利用数据源质量和数据之间的关系,然而实际数据的分布呈现长尾现象,传统算法在处理尾部数据时,准确率大大下降.本文对数据源进行分类,对头部数据源利用属性集相关性,给予正确集更多的置信度补偿,易于剔除错误数据;对尾部数据源,根据误差小的数据源应获得更高的权值分配的理论,将真值发现转化成全局优化问题,通过寻求数据源权值的最佳分配,获得最可能接近真值列表的属性集合.实验表明,本文提出的方法在真实的长尾数据集上,准确率和召回率方面均优于传统算法.(本文来源于《小型微型计算机系统》期刊2019年03期）
戈俊,金定勇[2]（2018）在《基于模拟Properties持久属性集早操统计系统的设计与实现》一文中研究指出依据Properties将流对象与集合相关联,通过集合键值对特点的键唯一、值覆盖的思想创建属性集配置文件。借鉴配置文件设计理念,围绕当下普通高校早锻炼出勤记录不实、查询繁琐、存储不便的实际问题展开思考,以期通过Java语言程序设计,借助于Eclipse集成开发环境,利用较为简单的手段模拟设计早操数据统计系统,规避数据库操作的复杂性,解决内存占用,操作繁琐等问题,方便体育学科成绩的评定、查询和持久化存储。(本文来源于《体育科技》期刊2018年05期）
刘圣杰[3]（2018）在《用于车载网络传输的属性集加密方法》一文中研究指出得益于V2X和传感器技术的快速发展,车辆的状态可以被准确地测量,并统一地被存储在云端。这些状态可以看作是一个无限属性的集合,例如车辆周围的车辆密度,信号强度等。所以车辆可以被看作是一个移动的单元,即:状态可被测量,同时状态的熵值很大。在车联网中,车和车之间的单播通信是必须要被加密的,之前的方法是通过DH算法协商出一个会话密钥,然后使用该会话密钥对接下来的通信进行加密,这种方法提出的时候,还没有出现车联网,它并不适用于车联网,因为它需要事先知道通信对端的IP,而且需要较长时间建立会话密钥,同时,每次通讯都需要一个密钥,即每发送一次数据包,就更换密钥。对于车联网这种链路变化迅速的网络,应尽可能缩短甚至取消会话密钥建立过程。在这里,我们提出属性集加密方法来改善车载自组织网络传输效率问题。随着交通道路需求的增长,传统移动自组织网络急需创建一种特殊的,并针对于交通道路的自组织网络,这种特殊的自组织网络被称为VANET(Vehicular Ad-hoc network)。因为不同的应用区域有不同的特点,根据车辆的特点来设计VANET,才能让自组织网络在车辆通讯中得到最好的应用。车辆移动性非常强,在无线通信中,与传统的自组织网络相比,VANET的稳定性、实时性有很好的保证。也正是因为车载网络在这方面的特点,使得它在应用领域变得越来越广,使得人们在驾驶上享受到更多的服务。这些服务让驾驶人具有更加良好的驾驶体验,例如气象信息提醒、加油站地址提示、服务区地址提示等。与此同时,它也具有很多关于安全方面的服务,如紧急情况预警、路况信息提醒、变道辅助等,这些服务就是依靠数据交互实现的。由此可见,车辆之间数据传输就会面临一些安全问题。例如,如何确保数据不丢失、不被盗取、不被篡改等一些其他隐私安全问题。现阶段端对端网络传输选用的是IKE(Internet Key Exchange)协议,传输过程之前,主要包括安全协议部分和密钥协商两大部分。在SA协商后,使用DH算法来用于密钥交换的传输和分配,再使用AH和ESP协议对包进行封装,以保证数据安全。IPSec协议中是有一个协商的过程,主要是针对所有的安全参数,其中包括加密和鉴别算法、加密和鉴别密钥、密钥生存周期等。为了确保建立SA(Security Association),占了很大的开销,并且在通信过程中,每做一次发包,都要进行一次密钥协商。这样以来,在通讯之前要花很多的时间去做协商工作,不太符合现有的车载网络环境。居于当前车辆分布式系统,每辆车都在动态实时的环境下运行,为了达到更高的要求,提高在车载网络传输的高效性和安全性,我们需要在不降低安全的情况下,尽可能缩短数据传输前协商时间,降低数据传输的平均延时和带宽开销。正因为如此,本文提出的一种属性集加密方法,减少在数据传输前这些大量的准备工作,达到高效性、安全性。在如今车辆环境中,一个可信的云端环境和车载单元都非常容易实现,这就使我们的工作有了可靠的前提保证。(本文来源于《吉林大学》期刊2018-04-01）
李春好,李孟姣,田硕[4]（2018）在《属性集容量确定的夹挤式测度模式及其推算模型》一文中研究指出迄今,为解决多属性偏好关联决策属性集容量判断指数复杂性难题所提出的λ模糊测度模式与k-可加模糊测度模式,以及建构在它们之上的属性集容量确定的推算模型,尚存在着适用性差的技术不足。为此,以平衡容量判断的可操作性和容量推算的准确性为视角,提出了一种新容量测度模式,即关于容量判断与推算的夹挤式测度模式,并在此基础上通过引入决策者较易判断给出的容量序信息构建了相应的容量推算模型。基于数值模拟的对比分析表明:新模式不仅在应用可行性上高于k-可加模糊测度模式,而且从容量推算的准确性上看也明显优于λ模糊测度模式和k-可加模糊测度模式,因而对实际决策具有更强的适用性。(本文来源于《中国管理科学》期刊2018年03期）
杨涛,张贤勇,冯山[5]（2018）在《基于差别矩阵的属性集求核算法》一文中研究指出通过对差别矩阵的研究,提出一种压缩差别矩阵的构造方法及相关的属性集求核算法,减少了差别矩阵中大量的空值存储,并且避免对象之间的盲目比较.算法的时间复杂度为max(O(|C||U_1||U_2|),O(|C'||U_1'|~2)),空间复杂度为max(O(|C||U_1'||U_2'),O(|U_1'|~2)),提高了已有差别矩阵算法的求核效率.实例分析与实验结果均验证了构建算法的有效性.(本文来源于《郑州大学学报(理学版)》期刊2018年01期）
王建华,王光波,徐开勇[6]（2017）在《标准模型下可证明安全的支持大规模属性集与属性级用户撤销的CP-ABE方案》一文中研究指出密文策略属性加密方案,特别是不受某个特定值限制的大规模属性集下的密文策略属性加密方案在云存储中得到了越来越广泛的应用,它能够实现细粒度的访问控制。但是在原始的属性加密方案中,解决动态的用户与属性撤销,是当前面临的重要挑战。为了解决这一问题,该文提出一个标准模型下可证明安全的支持大规模属性集的密文策略属性加密方案,该方案能够实现属性级的用户撤销,即若用户的某个属性被撤销,不会影响该用户其他合法属性的正常访问。为了实现撤销,将密钥分为两部分:为用户生成的私钥以及为云存储中心生成的授权密钥。在该方案中,若用户的属性被撤销,那么该属性对应的密文将进行更新,只有该属性没有被撤销的用户才能够成功地进行密钥更新而解密密文。该文基于q-type假设在标准模型下对方案进行了选择访问结构明文攻击的安全性证明。最后对方案进行了性能分析与实验验证,实验结果表明,与已有相关方案相比,虽然为了实现属性撤销,增加了存储中心的计算负载,但是不需要属性中心的参与,因此降低了属性中心的计算负载,而且用户除了密钥外不需要其它额外参数来实现属性撤销,因此大大节省了存储空间。(本文来源于《电子与信息学报》期刊2017年12期）
星雨[7]（2017）在《基于商品属性集的个性化推荐研究》一文中研究指出随着互联网技术的迅猛发展,使得人们所面临信息资源的数据种类及数据量的增长速度也越来越快,“过载”的信息量让人们很难在信息数据流中发现对自己有用的信息。在这种形势下,推荐系统由此产生,有时也被称为个性化推荐系统,它通过运用不同的技术来为客户进行信息、产品及服务的推荐。协同过滤技术是目前推荐系统中比较流行的一种推荐技术,它能够很好地处理信息过载问题,从而受到了各界的关注。但随着越来越多的人开始使用互联网,网购人数只增不减,巨大的网络购物数据量大大降低了协同推荐算法的效率。如何减少数据量,如何更好的提取出有用的数据而摈弃与目标用户不相关的数据,在提高协同算法效率的同时也提高对目标用户的推荐质量成为本文研究的重点。很明显,在日常生活中,当用户购买相同种类商品或购买具有相似属性商品时,用户间会表现出相同或相似的购买兴趣。因此,本文尝试从商品的角度出发,以商品属性为标准,实现对用户群的划分,在划分的基础上再应用协同算法进行推荐,以达到降低算法复杂度,提高算法效率的目的。因此,本文采用文献资料研究法,从商品类别、商品功能及影响消费者满意度的商品属性叁个方面,建立了一个商品属性集,并以此商品属性集为基础,提出了基于商品属性集的个性化推荐模型。根据商品属性集,将用户购买的商品应用聚类算法进行处理,从而形成不同的商品类群,然后在此基础上再应用协同算法对目标用户进行推荐。本文最后对此模型进行了模拟,结果显示相比于传统协同过滤技术,本文提出的推荐模型在提高算法效率的同时,也提高了推荐质量。(本文来源于《中国地质大学(北京)》期刊2017-12-01）
张政,胡沛[8]（2016）在《基于决策等价性的决策表属性集分解研究》一文中研究指出决策表属性集分解是处理决策大型决策表数据复杂性,提高数据分析的一种有效手段,已得到深入研究。但在属性集分解过程中,有可能出现决策规则的泛化,从而导致从原决策表与从子决策表得到的规则不一致性。论文深入研究了决策表属性集分解的等价性问题,从保持决策表等价性和提高子表分类质量的角度,提出了基于决策等价的决策表属性集分解方法,并与现有的属性集分解方法做了比较。(本文来源于《计算机与数字工程》期刊2016年11期）
郝彦彬[9]（2015）在《基于属性集信息粒的信息系统结构及同态研究》一文中研究指出互联网时代大规模复杂信息的涌现,带来处理(计算)复杂性的高度增加。大数据作为继云计算、物联网之后IT产业又一次重要的技术变革,正在驱动管理领域的新变革。粒计算是由美国控制论专家Zadeh提出的计算智能研究领域中解决复杂问题的新方法和有效工具,对大数据处理中面临的主要挑战有着十分积极的作用,特别是在降低数据规模方面,很多粒计算研究都认为使用信息粒可以实现数据压缩。信息系统(也称为知识表示系统)是粒计算研究中重要的数学模型之一,具有属性集和对象集两个维度,能够描述数据对象具有某些属性特征。当前对于信息粒的研究,主要集中于信息系统数据对象集的粒化、粒结构及其性质和应用等方面。本文以信息系统的属性集为研究对象,将粒计算理论与方法、关系数据库中的函数依赖理论、现代数学中的序、格理论结合起来,利用属性上的语义信息,对信息系统属性集的粒化、粒结构及其性质和应用做了研究,主要的工作和结论如下:(1)建立了基于集合论的信息系统属性集信息粒计算模型。提出了信息系统属性集信息粒的概念并给出了其语义解释,研究了属性集信息粒的基本性质及粒与粒之间的关系;利用属性集信息粒定义了信息系统属性粒结构及结构复杂度的概念,研究了属性粒结构的数量性质;证明了信息系统全部属性粒可以由其基本粒的交生成,利用这些基本粒可以实现信息系统结构的简化表示;研究了当属性或函数依赖变化时,信息系统结构的动态变化规律;从系统结构复杂度变化最小的角度定义一种新的属性约简,并给出相应的计算方法。(2)应用分治的思想实现了信息系统属性粒结构的有效计算。定义了信息系统结构的可分离性,给出了可分离性的充要条件,并证明了如果一个信息系统是可分离的,则该系统的粒结构可分解为该系统的子系统粒结构的笛卡尔乘积(分解定理),利用分解定理给出了可分离信息系统结构的计算方法;研究了在已知信息系统属性粒结构的条件下,增加新的语义信息时,粒结构的变化规律,证明了信息系统结构增量定理;利用分解定理和增量定理给出了计算不可分离信息系统属性粒结构的算法;给定两个构成信息系统属性集覆盖的属性子集,将原系统分解为两个子系统,分别计算两个子系统的属性粒结构;然后,根据两个属性子集的交集,在每个子系统的属性粒结构上建立一个等价关系,证明了两个子系统属性粒结构中相对应的等价类乘积的并集就是原信息系统的属性粒结构(覆盖分解定理);利用覆盖分解定理给出了信息系统属性粒结构的覆盖分解算法。与直接计算不可分离信息系统的粒结构相比,该计算方法可将复杂度由指数运算相乘降低为相加。理论分析和实例计算表明,以上所提计算方法是可行的。(3)应用现代数学中的序论,研究了信息系统属性同态的性质。定义了信息系统属性同态的概念,利用属性同态可以诱导出信息系统结构上的并同态;定义了信息系统理想同态的概念,利用属性等价关系诱导出了信息系统属性理想同态,应用信息系统属性理想同态实现了信息系统属性集的无损压缩。现有度量方法只能度量属性集相同的信息系统结构间的距离,通过引入与原信息系统属性集相同并且与像信息系统同构的中间系统,得到了任意信息系统结构间距离的度量方法。通过比较原信息系统与同态像信息系统的距离,给出了度量任意属性同态理想程度的方法。(4)应用从特殊到一般的归纳思想,通过具体实例,研究了信息系统的分解及粒化,属性同态构造,不同信息系统间的比较等内容。为了得到性质良好的分解,定义了信息系统分解均衡度的概念,以此为基础,对已有的算法进行了改进,使得信息系统分解更为均衡合理。利用分解的结果,给出了构造信息系统属性同态的方法。对于诱导出的同态像系统,可以根据实际处理需要,递归执行该方法以获得更粗粒度的同态像系统,直到得到某个适合处理的信息系统粒度。进一步地,利用两个不同结构的信息系统的同态像系统之间的关系来研究它们本身之间的关系,并给出了一般结论。(本文来源于《西北工业大学》期刊2015-12-01）
李沛杰,金晓燕,张凯,张兴明,王兴茂[10]（2015）在《基于最小不相关属性集的Web安全策略优化算法》一文中研究指出针对现有Web安全策略优化弱化了安全断言描述形式的问题,提出一种基于最小不相关属性集(MIAS)的Web安全策略优化算法。首先从服务请求信息中抽取访问Web资源所需的属性,以属性取值为基础,在服务提供端通过去相关及无效属性删除处理,构建MIAS;然后将安全断言描述成MIAS的形式,并基于MIAS的断言集将安全策略描述成断言的逻辑"与"操作;最后基于MIAS描述的安全策略,依据属性值的取值编码,以矩阵优化的形式完成安全策略的冗余和冲突检测。仿真实验表明,与经典的安全策略冲突检测算法对比,同等测试环境下该算法的最大检测时长可以降低48%左后。(本文来源于《信息工程大学学报》期刊2015年04期）
属性集论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
依据Properties将流对象与集合相关联,通过集合键值对特点的键唯一、值覆盖的思想创建属性集配置文件。借鉴配置文件设计理念,围绕当下普通高校早锻炼出勤记录不实、查询繁琐、存储不便的实际问题展开思考,以期通过Java语言程序设计,借助于Eclipse集成开发环境,利用较为简单的手段模拟设计早操数据统计系统,规避数据库操作的复杂性,解决内存占用,操作繁琐等问题,方便体育学科成绩的评定、查询和持久化存储。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
属性集论文参考文献
[1].卢菁,胡成,刘丛.利用属性集相关性与源误差的多真值发现方法研究[J].小型微型计算机系统.2019
[2].戈俊,金定勇.基于模拟Properties持久属性集早操统计系统的设计与实现[J].体育科技.2018
[3].刘圣杰.用于车载网络传输的属性集加密方法[D].吉林大学.2018
[4].李春好,李孟姣,田硕.属性集容量确定的夹挤式测度模式及其推算模型[J].中国管理科学.2018
[5].杨涛,张贤勇,冯山.基于差别矩阵的属性集求核算法[J].郑州大学学报(理学版).2018
[6].王建华,王光波,徐开勇.标准模型下可证明安全的支持大规模属性集与属性级用户撤销的CP-ABE方案[J].电子与信息学报.2017
[7].星雨.基于商品属性集的个性化推荐研究[D].中国地质大学(北京).2017
[8].张政,胡沛.基于决策等价性的决策表属性集分解研究[J].计算机与数字工程.2016
[9].郝彦彬.基于属性集信息粒的信息系统结构及同态研究[D].西北工业大学.2015
[10].李沛杰,金晓燕,张凯,张兴明,王兴茂.基于最小不相关属性集的Web安全策略优化算法[J].信息工程大学学报.2015
论文知识图
