张克君
- 作品数：39 被引量：129H指数：7
- 供职机构：北京电子科技学院更多>>
- 发文基金：国家自然科学基金国家科技成果重点推广计划教育部科学技术研究重点项目更多>>
- 相关领域：自动化与计算机技术文化科学电气工程电子电信更多>>
- 一种基于粒子群算法的网络安全态势要素识别系统和方法
- 本发明涉及一种基于粒子群算法的网络安全态势要素识别系统和方法，该方法收集网络安全数据集，提出融合粒子群和模拟退火的态势要素识别模型，从位置更新和参数设置两阶段进行改进优化，引入退火算法中的Metropolis准则，增加粒...
- 张克君郑炜王志强张翱王昱皓
- 文献传递
- 基于角色的自主访问控制的构建被引量：8
- 2005年
- 面向角色的访问控制是策略中性的,面向角色中的自主访问控制应可与其它可能的访问策略一起协调工作,这必然使自主访问控制必须能与角色的层次结构(继承关系)对话。该文给出了一个实用的构建方法使角色系统中自主访问控制满足以上的需求。
- 张克君金玮杨炳儒
- 关键词：访问控制
- 基于DWLMS模型的分布式Web用户访问模式挖掘
- 大型网站为了提高访问效率,通常建立多个镜像站点,这导致获取网站全局的用户访问模式知识变得困难.该文提出一种分布式Web日志挖掘模型DWLMS,并以路径分析技术为例,提出了基于DWLMS的局部频繁路的更新算法LFP和全局频...
- 张克君李伯群李欣杨炳儒
- 关键词：WEB用户分布式数据挖掘WEB日志挖掘
- 文献传递
- 一种基于卷积神经网络的大规模安卓恶意应用检测系统及方法
- 一种基于卷积神经网络的大规模安卓恶意应用检测系统及方法，包括特征提取模块、特征处理模块、深度学习模块以及恶意应用检测模块。通过收集大量的安卓正常和恶意应用，利用静态与动态分析相结合的方式更加全面的提取安卓应用特征，提高系...
- 王志强李格菲池亚平张健毅吕欣钱榕邹潇湘张克君卓子寒
- 文献传递
- 基于主元分析的人耳图像识别方法被引量：7
- 2005年
- 人耳图像的自动识别是一种新的生物特征识别技术.将主元分析法(PCA)应用于人耳图像识别,分别应用BP神经网络和最近邻域法进行分类识别,给出了具体的网络设计与性能比较分析.实验结果表明,应用PCA方法提取人耳图像特征,选择合适的分类器和网络结构,可以取得满意的识别效果.
- 张海军穆志纯张克君张成阳
- 关键词：人耳识别主元分析BP神经网络
- 基于多镜像站点的分布式Web使用聚类
- 2007年
- 提出了一种适用于多镜像站点环境下的分布式Web使用聚类局部挖掘算法LUC和全局挖掘算法GUC,较好地解决了Web访问信息的异地存储、分布式算法通讯量等因素给模式分析过程带来的困难.将给出的算法用Java语言加以实现,并对算法性能进行了研究.结果证明,该算法是有效的,可以用来高效、准确地在多镜像站点环境下发现Web用户群体模式.
- 张克君杨炳儒赵耿曲文龙
- 关键词：镜像站点WEB聚类分布式数据挖掘
- 基于知识发现的因果自动机
- 2006年
- 随着社会的发展,人们对因果关系的研究越来越受到重视,但到目前为止基本都是从现有的知识中寻找因果关系,存在无法发现更深层次的关系和规律的缺陷。为此,我们利用有限自动机可以精确地刻画软件系统或其子系统的行为的特性,从有限自动机入手,运用知识发现的方法,针对需要解决的问题挖掘出更深层次的因果关系和规律,将知识发现理论与因果关系的研究有机结合,较系统地形成因果关系的理论和方法,建立因果状态空间,形成基于知识发现的因果自动机的初步理论框架,以解决和发现不同形态下的因果关系。
- 杨炳儒李欣李卫东张克君
- 关键词：知识发现因果关系
- 基于广义后缀树的事件序列频繁情节挖掘算法被引量：4
- 2006年
- 为了有效地挖掘事件序列频繁情节,提出了一种广义后缀树结构发现和存储频繁情节．此结构利用广义后缀概念并且树中只包含频繁情节结点,用频繁情节发生列表逐层构建的方法提高了建树效率．该方法充分利用了事件序列的有序特点,可用于发现各类频繁情节．实验结果表明该算法性能优于Apriori-like频繁情节发现算法．
- 曲文龙杨炳儒张克君
- 关键词：频繁情节数据挖掘广义后缀树
- 一种电动机过流保护装置的研究及实现
- 2004年
- 大型企业的电动机保护一直是关系到保证生产正常运行的重要因素,目前使用的热继电器装置不能获得很好的效果。为此,本文提出了一些改进措施,如采用555时基电路,可自行调节设定参数,并实现了全部设计方案。通过一阶段的现场测试表明,使用此装置对电动机过流保护,可以大大提高电动机的使用寿命。
- 张克君金玮张爱卿
- 关键词：电动机保护555时基电路过流保护热继电器
- 基于DBN和TSVM的混合入侵检测模型研究被引量：4
- 2018年
- 针对传统机器学习方法在处理大规模入侵数据的检测精度低和检测速度慢等问题,提出一种基于深度学习的混合入侵检测模型DBN-PBT-TSVM。该模型利用深度信念网络DBN(Deep Belief Network)减少特征集的维度,获得原始数据集的最优的低维表示;综合对支持向量机TSVM(Twin Support Vector Machine)和偏二叉树的优势,构造了一种基于偏二叉树的对支持向量机多类分类器,对网络入侵数据进行识别。基于KDDCUP'99数据集实验比较的结果表明,DBN-PBT-TSVM模型实现了在保证分类性能的同时,还显著地降低了检测时间,尤其是在处理大规模数据时效果更明显,为入侵检测在处理大规模数据时提供了一种全新的思路。
- 张克君鲜敏
- 关键词：入侵检测
