支持度门限改变下的频繁闭项集增量挖掘

针对CLOSET算法每次改变支持度门限时需要重新对所有数据进行挖掘而没有充分利用前一次挖掘结果的问题,提出了基于支持度门限改变下的频繁闭项集增量挖掘算法,利用前一次发现的频繁闭项集作为本次挖掘的约束条件,极大地减少了频繁闭项集的搜索空间。实验结果表明:在支持度门限减小不大的情况下,算法效率提高显著,支持度门限增加时,只需几十个毫秒的时间就可以发现全部频繁闭项集。     

用户日常频繁行为模式挖掘

针对如何在智能手机上高效准确地进行用户日常频繁行为模式挖掘问题展开研究。提出一个基于智能手机的用户日常频繁行为模式挖掘框架;为了减少用来挖掘的上下文篮子的数量、提高挖掘效率,提出一个动态的滑动窗口算法,进而提出一个将上下文出现的频率和持续时间有机地结合起来的加权模式挖掘算法;在此基础上,基于为期6周21个用户的上下文数据,对所提出的挖掘框架和算法进行实验验证,结果表明,所提出的框架和频繁模式挖掘算法可以高效地在资源有限的智能手机上运行,而且能够挖掘出反映用户生活方式的日常频繁行为模式;从两个纬度对用户日常频繁行为模式进行可视化,以可视化方式对用户在不同地方和不同时段的行为模式进行展现,从而方便用户随时了解其日常行为模式。     

入侵检测中频繁模式的有效挖掘算法

在基于数据挖掘的入侵检测系统中,为了在海量审计记录中有效地提取出相关规则,需要通过利用与入侵检测相关的特定领域知识。首先对关联规则挖掘问题中的相关概念给出几个规范化定义,介绍了基本的关联规则和情节规则挖掘算法,然后结合审计记录的特点,考虑其轴属性和参照属性以及规则兴趣度,对基本挖掘算法中的候选项目集产生函数进行了改进。分析结果表明,利用规则兴趣度能够大大减小候选项目集的大小,有效提高频繁模式挖掘算法的效率。     

一种基于混合搜索的高效Top-K最频繁模式挖掘算法

挖掘数据集中的Top-K最频繁模式具有重要意义.已有Top-K最频繁模式挖掘算法通常采用最频繁的k个项目作为初始项目,并将初始项目中频率最低的项目的支持度作为初始边界支持度.但实际组成Top-K最频繁模式的项目数目可能远少于k,从而制约了算法的效率.为此,提出了一种基于混合搜索方式的高效Top-K最频繁模式挖掘算法MTKFP.该算法首先利用宽度优先搜索获得少量的短项集,并利用短项集确定数目少于k的初始项目范围以及较高的初始边界支持度;然后利用深度优先搜索获得所有Top-K最频繁模式.实验表明,MTKFP算法所获得的初始项目数目至少低于已有算法70%,初始边界支持度高于已有算法;NTKFP算法的性能优于已有最好算法.     

基于航迹挖掘的船舶行为估计方法及软件实现

船舶活动规律分析尤其是船舶的行为研判问题,一直是研究的难点。聚焦船舶的活动规律分析问题,提出了一种基于大量船舶历史航迹聚类的频繁模式挖掘方法,用于对船舶未来行为进行估计,并给出了软件实现。首先提出航迹的综合相似性度量方法,并介绍基于航迹聚类的频繁模式挖掘含义;其次对经典密度聚类算法进行适应性改造,给出基于综合相似性的聚类算法的实施方法;然后,提取虚拟主干航迹计算最相似簇,经统计得出对当前船舶行为的估计结果;最后,给出了基于C/S架构的软件总体设计和试验效果。试验表明该方法能够给出航迹关联行为描述,软件得到的行为估计结果能够辅助研判。     

监控视频运动目标的频繁轨迹模式挖掘

运用数据挖掘的方式分析运动轨迹数据在目前可以说是一种尝试。基于传统数据挖掘方法Apriori的思想,提出了一种监控视频运动目标的频繁轨迹模式挖掘算法。首先以特征点表示连续的运动目标轨迹,然后设计了一种轨迹相似度测量机制,最后基于相似度测量获得的轨迹段频率,将Apriori挖掘算法应用到2D运动轨迹数据,从中发现频繁轨迹隐含的一些感兴趣模式。实际的和人工生成的轨迹数据实验表明了算法的正确有效性。     

求规范交战模式的一个算法

[1 ]在兰彻斯特方程的基础上提出了规范交战模式的概念 ,并给出了它的图论定义及其构造方法。本文改进了 [1 ]中的构造方法 ,利用最短路算法得到了求规范交战模式的一个算法。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

军事情报监视与侦察系统中一种目标同现模式挖掘算法

军事情报监视与侦察系统(ISR)中的目标同时出现模式(简称目标同现模式)在疑难目标识别、联合侦察预警等方面有重要作用。为了从大量历史侦察数据中找到隐藏的目标同现模式,提出了一种发现雷达探测、电子对抗侦察等不同专业侦察数据集中的目标同现模式挖掘算法——PoTAS-mine算法。该算法依据给定的支持度对候选的目标同现模式进行剪枝以压缩候选频繁项集,通过对频繁项集执行自然连接实现模式增长,再依据给定的置信度在频繁项集中产生目标同现模式。仿真实验结果验证了该算法的有效性。     

激励视角下幼儿教师频繁流动的问题与对策

频繁流动已成为当代幼儿教师队伍建设中一个值得研究的课题。本研究借助对不同类型流动幼儿教师的访谈,揭示了激励机制与幼儿教师流动之间的关系,并在激励视角下,针对幼儿教师的频繁流动问题提出了相应的解决策略,以确保幼儿教师队伍建设的稳定性。     

基于多维频繁序列挖掘的攻击轨迹识别方法

针对传统攻击轨迹识别方法处理时序数据效率较低且无法全面反映告警各维属性变化规律的不足,首先基于前缀-投影思想,设计了不产生候选集的频繁告警属性序列挖掘算法;然后,利用时间窗分割全局攻击类型序列和全局攻击目标序列,挖掘出网络中频繁攻击行为序列和频繁攻击目标序列,并利用目的IP分割全局攻击类型序列,挖掘出针对单个主机的组合攻击模式,进而全面识别网络和主机上的攻击轨迹;最后,在典型分布式拒绝服务攻击场景LLDoS1.0inside的流量数据集中验证了以上方法的有效性。     

联合补充博弈的费用分摊

就一个仓库、多个零售商,对联合订货费用函数的模型进行分析,给出了一个求解最佳订货周期的多项式时间的算法,且算法的时间复杂性为O（nlogn）。利用文献[8]中的技巧,给出了该库存博弈的核。     

噪声情况下基于δ—K方法的费米体系数值反演

在文献[1][2]结果的基础上,给出了一个费米体系数值反演的超分辨处理方法。这种广义偏离算法是基于Tikhonov正则化技术,能够在算法中附加各种限制和先验信息,抑制噪声干扰,且计算的复杂性较低。     

线性分式规划原始单纯形算法有限性问题

本文用一个数值例子说明用[1] 和[2] 中的原始单纯形算法求解退化的线性分式规划(LFP) 可能会出现基循环,从而得不到最优解。于是就此情形引入了Bland规则,并建立了有限性算法。     

关联规则在消防接处警数据分析中的应用

阐述了关联规则及Apriori算法的基本概念、基本方法;运用关联规则Apriori算法,对某市2002年至2006年的消防接处警数据进行了初步关联规则挖掘,并给出了挖掘结果的简要说明,为数据挖掘在消防接处警数据分析方面作出了初步的探索。     

干扰条件下的扩频码捕获性能研究与改进

文中提出了扩频接收机捕获模型,并对可行性进行了仿真。在此模型基础上分析了不同干扰样式对接收机捕获性能的影响,给出捕获概率的仿真曲线,对文献[1]、文献[2]中用到的假设的成立条件进行了修正。最后文中采用频域接收机结构并给出了基于频域抑制算法的捕获概率仿真曲线。结果表明捕获性能较之无干扰抑制时大大提高。     

改进的Apriori数据挖掘算法的应用

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的基本算法.针对防区外联合攻击武器系统在仿真过程中产生的大量数据,利用Apriori算法对仿真结果进行分析,得出一些有参考价值的规则,实现了关联规则挖掘在军用系统仿真中的应用.并对Apriori算法存在的问题进行了一些改进,用新的修剪策略,提高了算法的效率;增加独立性检验,进一步保证了关联规则的正确性.     

生成n元数的全体排列的一个算法

许多组合问题可以表达为minf(q),其中q为1,2,…,n的任一排列。关于排列生成的各种算法,文献[1]作了全面的介绍,并且进行了比较分析。本文从集合映射出发,得到了一个算法。在这个算法的基础上,对每个排列可以得到一个序号,对每个序号可以得到一个排列,并且可以从任一给定的排列开始生成全体排列。     

航迹与航迹的最优融合

在多传感器融合中,航迹与航迹融合占有重要的地位。人们在这方面做了大量工作,丛氏等人[5-7]给出了任意通信模式下的最优融合公式。对于确定性来说,该公式是最优的,这里指的确定性是:过程噪声为零或使用全速率通信(即两传感器每接到一次新数据就通信一次)。但在实际操作中,因目标机动而不能完全忽略过程噪声;或者为节约通信宽带,传感器间不采用全速率通信。这两种情况下,系统都存在公共过程噪声,因此两传感器的量测不是条件(给定目标预先状态)独立的,所得融合公式[7]只是近似最优。文献[1]中也谈到这种情况,作者推导出了一个公式来计算不同传感器的两条航迹估计的协方差、基于[1]的结果,文献[2]考虑了两个传感器航迹估计的相关性,并得到一个融合公式来组合局部估计。遗憾的是,文献[2]中进行贝叶斯推导时,所做的假设并不符合实际。本文中,我们指明[2]中结果潜在的近似性,并证明该结果只在ML{最大似然}意义下最优。然后,我们提出一种性能评估方法来研究各种航迹与航迹融合方法的性能。其结果给出各种操作条件下不同融合方法的性能范围。     

椭圆型方程 Galerkin方法的研究

本文考察一类二阶椭圆型方程的Galerkin方法,首先,借助于(-Δ)~(-1),将方法置于算子框架中,然后,应用算子方程的近似理论,研究了方法的收敛性,如同往常那样,有限元近似的误差估计是同时,得到了Aubin-Nitsche技巧的一种易于应用的形式(定理2)。文献[1]及[2]中的方法和文献[3]及[5]中的一些结果得到了推广。