刘耀宗
- 作品数：18 被引量：36H指数：4
- 供职机构：南京理工大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术经济管理电子电信更多>>
- 基于核函数-主成分维数约减的离群点检测被引量：1
- 2008年
- 为了提高高维数据集合离群数据挖掘效率,该文分析传统的离群数据挖掘算法,提出一种离群点检测算法。该算法将非线性问题转化为高维特征空间中的线性问题,利用核函数-主成分进行维数约减,逐个扫描数据对象的投影分量,判断数据点是否为离群点,适用于线性可分数据集的离群点、线性不可分数据集的离群点的检测。实验表明了该算法的优越性。
- 徐雪松刘耀宗赵学龙张宏刘凤玉
- 关键词：核函数主成分
- 基于Hadoop的公安视频大数据的处理方法被引量：6
- 2016年
- 公安视频监控技术已经从联网整合阶段发展到视频实战深度应用阶段,面对源源不断的公安视频大数据,需要研究新型的大数据处理方法。根据公安视频大数据应用需求,采用基于Hadoop技术的视频大数据处理平台,并采用以Map-Reduce算法为基础的人脸检索与识别算法,来实现公安视频大数据的智能信息处理,达到公安大数据实战应用的目的。
- 刘云恒刘耀宗
- 关键词：人脸识别HADOOPMAP-REDUCE
- 基于小波密度估计的数据流离群点检测被引量：6
- 2013年
- 为能及时发现数据流上的局部离群点,分析数据流已有的离群点挖掘算法,提出基于小波密度估计的离群点检测算法。利用小波密度估计多尺度和多粒度的特点,通过小波概率阈值判断数据流中当前滑动窗口内的数据点是否为离群点,并对数据流中离群点检测过程进行讨论。仿真结果表明,与核密度估计算法相比,该算法的检测效率与精度较高。
- 刘耀宗张宏孟锦韩法旺
- 关键词：数据流局部离群点离群点检测核密度估计
- 移动IPv6中的攻击源追踪问题研究被引量：3
- 2008年
- 着重于移动IPv6架构下的攻击源追踪问题研究,给出了IPv6中新的包标记算法和包采样算法,并针对移动环境中不同的攻击模式提出了有针对性的攻击源追踪策略。该方法的结合使用可以有效降低移动IPv6中的攻击源追踪难度。
- 周曜刘耀宗蒋道霞刘凤玉
- 关键词：网络安全移动IPV6攻击源追踪
- 一种不确定RFID数据流清洗策略被引量：4
- 2016年
- 原始RFID数据流含有大量噪声且具有不确定性,必须在使用之前对其进行数据清洗,而清洗策略是清洗质量的保证。提出一种适合不确定RFID数据流的清洗策略。该清洗策略引入了最大熵原理,对待清洗的RFID元组的特征属性进行权重选择,并根据清洗节点的时间消耗以及误差进行清洗成本分析,决策出最佳的清洗方法。仿真实验结果表明,该清洗策略提高了不确定RFID数据流的清洗效率与精度。
- 刘云恒刘耀宗张宏
- 关键词：RFID数据流不确定性
- RFID数据流管理与挖掘若干关键技术研究
- 无线射频识别(Radio Frequency IDentification，RFID)技术已经得到了越来越多的应用。在这些应用中，RFID阅读器会实时地采集大量包含监控对象时间、位置和状态信息的标签数据，这些数据是以流(...
- 刘耀宗
- 关键词：无线射频识别数据流管理数据挖掘复杂事件处理
- Ad Hoc网络中安全高效匿名通信研究
- 现有的无线ad hoc网络匿名路由协议不能抵抗基于伪造路由分组的DoS攻击,并且公钥运算过多导致路由收敛速度过慢.本文提出一种融入邻居密钥协商机制的高效安全匿名路由协议,节点以基于ID的伪名同邻居进行匿名密钥协商,在路由...
- 周曜刘耀宗平萍刘凤玉
- 关键词：网络安全匿名通信
- 文献传递
- 数据流的预测与分类研究被引量：3
- 2007年
- 数据流的预测和分类技术在网络入侵发现、系统性能分析等应用中具有重要的应用。作者对近年来有关数据流预测和分类的进展做了总结,并提出了一个数据流的预测和分类的通用模型,可用于系统性能的实时预测与异常检测。
- 刘耀宗王湛张宏刘凤玉
- 关键词：数据流性能分析
- 面向RFID数据流冰川查询的世系追踪模型被引量：1
- 2011年
- 为了获得RFID数据流中热门元素以及相关起源的信息,需要对RFID数据流进行带起源信息的冰川查询。以RFID数据流中单个数据对象的世系追踪为研究对象,分析在海量RFID数据流基础上返回极少查询结果的冰山查询执行机理,初步建立一个面向RFID数据流冰山查询的数据流世系跟踪原型模型。
- 刘耀宗张宏孟锦王永利
- 关键词：RFID数据流
- 数据流分类挖掘中的概念变化研究
- 2014年
- 数据流分类挖掘首先要面对概念变化问题。介绍了数据流分类中的概念变化的定义与类型,研究了概念变化的意义及应用,对目前数据流中处理概念变化的方法进行了综述。真实数据流常常含有大量的噪声,因此需要理解噪声与概念变化的区别。针对周期性数据流中概念重现现象,当"历史概念"重现时,利用特定的模型对数据流进行概念预测,可以减少模型更新的代价。
- 韩法旺刘耀宗
- 关键词：数据流分类噪声
