生物网络模体发现算法研究综述

 网络模体发现是生物网络数据分析中的一个核心问题.首先分析了网络模体发现中相关的基本计算问题:随机网络建模,子图搜索和模体统计意义评价等.其次对生物网络模体发现算法进行了综述和评价,从研究方法上将模体分为精确模体,概率模体和其它模体三类,并对识别每类模体的典型算法进行研究和分析.为了对网络模体进行深入分析与研究,引入了与模体发现密切相关的生物网络模块发现问题.最后讨论了网络模体发现算法的最新进展和下一步的研究方向.     

频繁子图挖掘研究综述

归纳了频繁子图挖掘方法的处理流程,分析评价了频繁子图挖掘的典型算法:广度优先搜索和深度优先搜索的频繁子图挖掘算法,概述了频繁子图挖掘研究的平台--图模型及其产生器,并对频繁子图挖掘方法未来研究方向进行了展望.     

非树型网络模体发现算法

 现有的大多数网络模体发现算法发现网络中的确切模体,但是由于生物数据是不完整的,有噪声的,而且生命过程具有动态性,概率网络模体具有更实际的意义.本文提出了非树型网络模体发现算法,寻找由一组相似子图组成的概率网络模体.在该算法中,首先提出子图挖掘算法ESN挖掘网络中所有给定规模的非树型子图,然后进行多图比对,最后基于统计模型和对应的得分函数,用模拟退火算法求得网络模体.对E.coli和Yeast的基因调控网络的仿真实验表明,该算法能够高效地发现生物网络中的概率模体.     

基于模糊测量函数的多标签图数据特征提取研究

如今,图数据分类变得越来越重要。最近几十年对它的研究也越来越多,并且得到了广泛应用。传统的图数据分类研究主要集中在单标签集,然而在很多应用中,每个图数据都会同时具有多个标签集。这篇文章研究了关于图数据的多标签特征提取问题,并提出基于模糊测量函数的多标签图数据特征提取算法,用于搜索最优子图集。算法采用模糊测量函数作为评估标准评估子图特征的重要性,然后通过边枝界定算法修剪子图搜索空间有效地搜索最优子图特征。实验证明,该方法在现实应用中有较高的精度。     

多模式匹配算法研究和优化

模式匹配在网络安全领域有着重要的应用,随着网络环境的日益复杂,模式集合也随之增加.如何高效处理千万模式集下的字符串匹配成为网络安全的瓶颈之一.本文针对多模式匹配算法AC算法和WM算法进行了研究,采用了新型基于层次扫描和子节点数目搜索的双数组AC算法;从hash函数的选取和模式串的Tree树存储对WM算法进行了优化.能有效减少系统的内存占用,提高匹配效率.     

基于混合方式的贝叶斯网络结构学习

基于最大主子图分解技术和遗传算法,提出了一种混合方式的贝叶斯网络结构学习算法。该算法首先根据领域知识和观察数据构造网络的无向独立图,并对其进行最大主子图分解,再利用遗传算法学习每个子图的结构,同时进行合并修正得到最优的贝叶斯网络结构。分解过程将一个学习大网络问题转化为小子图的学习问题,降低了搜索空间。仿真结果表明,新算法的学习效果与运行效率均有明显提高。     

大规模时序网络中早期突发内聚子图发现算法研究

本文首先通过整合拓扑信息和历史时间信息,将时间网络转换成节点加权图。然后,我们基于著名的k-core,提出了早期突发内聚子图(EBCS)模型。为了寻找EBCS,本文分别基于全局搜索和局部搜索的两种算法。基于真实的时序网络数据的实验结果证明了本文提出算法的高效性和有效性。     

路径搜索策略研究

针对城市道路网车辆导航系统中经典Dijkstra最短路径搜索算法中存在的计算效率问题,研究基于启发式策略和双向搜索策略的双向启发式优化搜索算法,并探讨路网的分层搜索策略.采用启发信息减少搜索范围、双向搜索分解搜索空间,从而提高了算法的执行效率.实际路网仿真结果表明:相比经典Dijkstra算法,启发式策略搜索效率可提升70%~80%,双向搜索策略在不损失搜索精度下进一步提高搜索效率5%~10%,而分层搜索策略可以极大提高大规模路网车辆导航长距离下路径搜索效率.     

H.264中的运动估计和帧内预测算法研究

 针对一些算法过早的确定搜索方向,容易陷入局部最优点缺失搜索准确度的情况,提出一种新的基于搜索方向预测的运动估计算法.实验结果表明,与单一搜索图形相比,该算法具有更高的搜索精度和搜索速度.帧内预测技术作为影响帧编码效率的关键,一直被广泛研究,为此,本文提出了一种快速的帧内预测算法,对宏块划分提出了新的"模板"宏块对比算法思想,并在已有的抽样算法和搜索窗算法的基础上,提出了改进方法.实验结果证明,算法在不降低图像质量的基础上,编码速度平均提高80%.     

基于单帧-子地图描述子匹配的回环检测算法

针对固态激光雷达视场小导致建图过程中回环检测困难的问题，提出了一种基于单帧-子地图描述子匹配的回环检测算法。首先，利用前端里程计提供的位姿将若干帧点云拼接得到子地图后获取描述子，并将其位置加入K维树中。其次，对于每一个当前帧，利用K维树搜索候选子地图，依次按照里程计位姿投影至子地图坐标系后获取描述子，以实现描述子旋转、平移不变性。然后，利用二进制描述子进行对齐，并利用掩模方法计算当前帧描述子和子地图描述子的相似度。最后，对于符合条件的回环对，使用CFB-ICP算法进行配准获得回环因子，并执行因子图优化。在公开数据集以及真实室外环境中分别进行实验测试，结果显示此算法在满足实时性的前提下，可以减小长程建图时的累积误差，提高定位与建图精度。     

信任网络中多维信任序列模式挖掘方法研究

现有信任网络研究大多侧重于信任的推理及聚合计算,缺乏对实体重要性及其关联性分析,为此该文提出一种多维信任序列模式(Multi-dimensional Trust Sequential Patterns, MTSP)挖掘算法。该算法包括频繁信任序列挖掘和多维模式筛选两个处理过程,综合考虑信任强度、路径长度和实体可信度等多维度因素,有效地挖掘出信任网络中的频繁多维信任序列所包含的重要实体及其关联结构。仿真实验表明该文所提MTSP算法的挖掘结果全面、准确地反映了信任网络中重要信任实体关联性及其序列结构特征。     

社会网络中基于局部信息的边社区挖掘

 近年来,随着社交网络的发展,许多重叠社区挖掘算法被提出来.传统的方法都是将节点作为研究对象,而最近的一些研究表明,以边为研究对象的边社区挖掘方法相对于点社区挖掘方法来说具有更加明显的优势.因此,我们提出了基于局部边社区的挖掘算法(LLCM),利用网络中的局部信息去挖掘边社区结构.给定一条初始的边,通过不断最大化一个适应度函数来获取该边所在的局部社区,而这条初始的边可以预先通过一些排序算法进行选择.算法经过在计算机生成网络和真实网络上测试,并且同其他边社区挖掘算法进行了比较,实验结果表明LLCM算法获取了合理的边社区的结构.     

一种具有时序特征的告警关联规则挖掘算法

电信网络中各种频繁告警事件的发生通常具有一定的时序关系,据此提出了一种具有时序特征的告警关联挖掘算法。该方法解决了以往算法中无法发现告警序列之间时序关系的问题。其核心思想是在建立FP-tree时加入告警的时间特征,然后对FP-tree进行挖掘。实验证明,该算法能够快速、准确地从海量数据中挖掘出具有时序特征地关联规则。     

移动通信网中基于用户社会化关系挖掘的协同过滤算法

该文面对移动通信网中个性化服务推荐问题,结合社会化网络分析方法提出一种基于移动用户社会化关系挖掘的协同过滤算法。利用移动通信网中所形成社会化网络,预测潜在的社会化网络关系,并按关系紧密程度找到相似用户;然后结合基于用户评分相似度计算发现的最近邻用户,找到最相似的用户集合,进行移动用户偏好预测和推荐,有效地缓解数据稀疏性。仿真数据集和公开数据集实验表明了该算法在预测移动用户偏好和提高推荐精确度方面的可行性和有效性。     

基于局部近邻传播及用户特征的社区识别算法

提出一种将局部近邻传播和考虑用户特征的相似性测度相结合实现社交网络中的社区识别的算法。一方面,通过放松代表点约束条件及限制消息传播范围为节点的局部近邻,算法在降低时间和空间复杂度的同时保持较小的识别精度损失,从而能够适应社交网络挖掘需要;另一方面,通过将节点的拓扑相似度和特征相似度相结合来描述节点的综合相似度,使算法能够适应社交网络采样数据中用户关联信息不完整的情况。通过在人工数据集和真实数据集上的对比实验表明,所提方法不仅具有近似线性的时间复杂度及线性的空间复杂度,而且在网络中的节点关联边信息不完整时仍保持较好的识别精度。     

基于自适应波束形成的高维数据挖掘算法

提出一种基于自适应波束形成的高维声传感器网络数据挖掘算法.进行多通道声传感器网络信号的高维信息数据采集和相空间重组,进行信号模型构建,对高维数据信息流进行子空间降维和自适应陷波器降噪滤波处理,采用自适应波束形成方法进行数据的谱峰聚焦和特征提取,实现数据准确挖掘.仿真结果表明,采用该算法进行数据挖掘的准确检测概率较高,抗干扰性能较好,波束旁瓣得到有效抑制.     

Efficient cluster head selection using Naïve Bayes classifier for wireless sensor networks

Data mining and approaches based on it have always been of approaches that have been considered in solving problems in the field of computer, but on some issues, this approach has been neglected. The area of wireless sensor networks and specifically the issue of optimal determining of the cluster head node are of these issues. To solve the problem of optimal determining of the cluster head node, Naïve Bayes that is the subset of data mining techniques is used in this paper. The results obtained after simulation of the presented algorithm show that the efficiency of this algorithm is significantly higher compared with other approaches that have so far been used to solve this problem, and thus it can be said that using this algorithm will lead to improved outcomes of solving this problem.     

ESYN：基于动态模型的高效同步聚类算法

基于动态同步模型,提出一种高效同步聚类ESYN算法。首先,根据非矢量网络的局部结构信息,提出节点相似度的定义,以准确描述节点间的链接密度;其次,利用OPTICS算法进行矢量化预处理,将非矢量网络转换为一维坐标序列;最后,在通用Kuramoto动态同步模型中,增加基于全局信息的耦合强度分析,同时不断增加同步半径,自动选取最优的聚类结果。在大量人工合成数据集和真实数据集上的实验结果表明算法聚类准确率较高。     

Rough set theory: a data mining tool for semiconductormanufacturing

The growing volume of information poses interesting challenges and calls for tools that discover properties of data. Data mining has emerged as a discipline that contributes tools for data analysis, discovery of new knowledge, and autonomous decisionmaking. In this paper, the basic concepts of rough set theory and other aspects of data mining are introduced. The rough set theory offers a viable approach for extraction of decision rules from data sets. The extracted rules can be used for making predictions in the semiconductor industry and other applications. This contrasts other approaches such as regression analysis and neural networks where a single model is built. One of the goals of data mining is to extract meaningful knowledge. The power, generality, accuracy, and longevity of decision rules can be increased by the application of concepts from systems engineering and evolutionary computation introduced in this paper. A new rule-structuring algorithm is proposed. The concepts presented in the paper are illustrated with examples