一种基于冲突检测的无关联规则集匹配算法

防火墙已经成为网络安全体系中一个关键的角色,对防火墙的管理越来越受到重视。本文针对在防火墙管理中容易出现的过滤规则冲突问题和规则匹配效率问题,提出了一种基于冲突检测的无关联规则集匹配算法。本文通过对规则进行分析,确定了规则库中的规则应该符合的五个关系;通过对冲突规则的分类,得到了按照各种冲突的特性进行冲突检测产生的状态图,有助于对防火墙的现有规则库进行重写优化。本文在分析传统的线性顺序规则匹配算法和树形规则匹配算法的基础上,提出一种基于冲突检测的无关联规则集匹配算法,其平均比较次数为O(lg(n)),性能上大大优于现有的算法。     

关联规则的扩展模型

关联规则的发现是数据挖掘中的一个重要问题，本文在经典关联规则的基础上提出了关联规则的扩展模型。并给予了算法的讨论。     

基于用户兴趣导向的关联规则数据挖掘

本文在针对关联规则的Apriori算法的基础上,为了提高用户数据挖掘的人机交互性能,解决关联规则挖掘产生冗余规则的问题,提出了基于用户导向的关联规则挖掘方法SQL-IIAR算法.     

基于利润分析的关联规则挖掘研究

关联规则是数据挖掘中的重要问题,有广泛的用途。本文在关联规则挖掘中引入了利润和数量的约束条件,描述了具有利润和数量约束的关联规则问题,并给出了解决的方案。     

不可约关联规则及其应用

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题,而挖掘出的关联规则数常常是巨大的,本文主要考虑不可约关联规则,不可约关联规则数通常比全部规则数少,讨论利用不可约关联规则可导出其它关联规则,并给出其算法。     

一个新的最优简单规则挖掘算法

关联规则的提取是知识发现和数据挖掘领域中的重要问题,粗集理论是研究规则挖掘的重要的数学工具.本文研究信息系统中最优简单关联规则挖掘算法.本文利用信息关联矩阵中元素特性,对其进行变换,直接从中发现关联规则潜在的条件元,以此作为规则挖掘算法的基础.本文的算法简单直观,能挖掘出信息系统中所有最优简单规则,而且有效地避免了通常属性约简过程中的NP-hard问题.本文以一个实例证明本方法的有效性.     

f-NSWRL:一种语义Web非单调模糊规则语言

现实世界中存在着大量的不精确和不确定知识和信息.在语义Web中表示模糊规则是语义Web领域的重要研究问题之一.作为模糊语义Web规则语言,f-SWRL(fuzzy Semantic Web Rule Language)仅能表达单调的模糊规则,不能表示非单调的模糊规则.为了表示现实世界中人类知识和推理的非单调性,本文提出一种新的模糊规则语言--f-NSWRL (fuzzy Nonmonotonic Semantic Web Rule Language),对两种否定(即否定(negation)和负即失败(negation as failure))在其中的应用进行了研究,讨论了优先级问题来处理模糊知识库中的规则冲突问题,给出了在竞争规则中计算优先级的法则.为了使规则互换格式RuleML(Rule Markup Language)在f-NSWRL与其他规则语言进行规则互换时起到中间语言的作用,本文对RuleML进行了非单调和优先级两方面的扩展.     

本体知识库合并系统的设计

在本体知识库合并过程中,不可避免的存在本体异构和规则不一致问题。本文主要研究用于解决该问题的本体合并与规则不一致消解技术。在研究基础上,本文给出了本体知识库合并系统的体系结构,并对主要的功能模块进行了设计。     

基于用户自添加规则的自动推理程序Ⅱ

本文设计的算法基于前推搜索法,通过对推理规则的特征化处理,有效地解决了用户自添加推理规则到推理规则库中这一技术难题,并将算法编制成了一个通用软件。对于某些规则的特殊情况如何处理,也是非常重要的。我们不可能要求用户在添加一条规则时,将其各种特殊情形也作为规则添加。本文提出的算法使得这一问题得以圆满解决。     

基于置信规则库的工业控制网络入侵检测

针对工业控制网络易遭受恶意攻击,本文提出了一种基于置信规则库的工业控制网络入侵检测方法。当置信规则库的前提属性数目过多时,置信规则库的规则条数呈指数级别增长,容易导致"组合爆炸"问题,本文提出利用线性组合方式构建置信规则库中的规则。本文还利用证据推理算法对置信规则库中的置信规则进行组合,并且优化置信规则库初始参数,提高了入侵检测的精确度。     

规则自适应模糊控制器*

本文研究了模糊控制器的控制规则自适应问题，提出了一种新的模糊控制规则自生成与自校正方法及相应的算法。仿真研究结果表明本文提出的控制规则自适应算法是有效的。     

负关联规则挖掘算法研究

在数据挖掘中,关联规则挖掘一直是国内外研究的热点之一,本文在正关联规则的基础上,主要探讨了负关联规则的挖掘算法,提出了对负关联规则的前项和后项所对应正项的支持度研究问题,并对其进行了分析处理。     

经常性周期关联规则的研究

近年来,数据挖掘问题引起了人工智能、数据库、统计学等各方面的专家的广泛兴趣,文首先提出了关联规则的发现,随后如文等进行了广泛的研究,但以上的工作都是将数据库看成是一个整体,没有考虑时间段的问题。本文考虑了发现经常性周期关联规则的问题。假如在一系列有一定周期间隔的时间单元内,一条关联规则的发生次数(即支持度和信度同时超过指定值的次数)达到用户指定的比率(最小经常性信度),就称此规则是一条“经常性周期关联规则”。本文提出了发现这种规则的多种不同方法并通过实验比较了它们的性能。相信这些技术将有助于确认销售趋势与用户需求。下面首先给出了经常性周期关联规则的数学定义,然后考虑直接扩展已有的关联规则发现算法来解决这个问题。     

一种层次化的LSD规则体系及其分析算法

本文提出了一种基于词汇属性结构描述和规则继承的层次化LSD规则体系,讨论了该规则体系下的规则搜索策略和词汇化规则索引的实现方法,并在此基础上首次给出了LSD文法的非确定性分析算法。该规则系统具有从传统属性文法到现代词汇文法的可伸缩性,同时较好地解决了线性规则库中复杂的规则交互问题。     

一种基于神经网络的规则获取方法

分类问题是数据挖掘中的一个重要问题，分类目的就是寻找规则，具体来说，就是从给定的数据集合中找出能把数据集划分成不相交的若干个组的规则，目前已有的在大型数据库中挖掘分类规则的数据挖掘方法，主要还是基于符号学习机制的决策树方法．本文研究了一种新型的规则抽取算法，能够从神经网络中抽取出较好的规则．     

加权关联规则的开采

关联规则可以揭示数据之间隐含的关系,并已在许多领域取得了广泛的应用。目前已经提出了许多有效发现关联规则的算法,这些算法都认为每个数据对规则的重要性相同。但在实际应用中,用户更关心近期发生的数据,即历史越久远的数据对规则的影响应该小,应当削弱这些数据对规则的影响,为此,本文提出了垂直加权关联规则的问题;另外,用户有时可能希望加强或削弱某些项目对规则的影响,即所谓的水平加权关联规则。最后,提出了混合加权关联规则的问题,并给出了一个解决该问题的算法MWAL,实验证明了MWAL算法的有效性。     

对数据挖掘中关联规则技术分析

关联规则问题由Agrawal等人在1993年首先提出,之后便引起了广泛的关注。关联规则的挖掘是数据挖掘的一个主要研究内容,也是最活跃的一个分支。本文首先对关联规则现状做了研究,分析了关联规则的种类,阐述了关联规则中的多种算法的实现。     

基于本体的关联规则挖掘研究

目前许多关联规则挖掘系统存在缺点是仅仅在数据内容上产生规则,缺乏领域知识,产生大量的无用的结论.为了解决以上问题,本文提出基于本体的关联规则挖掘.它的优点是:对于数据的更清晰的概括;产生更少的规则;可以进行多层次的泛化,得到更有意义的结果,揭示更一般的概念;可以用来挖掘层次与层次之间的关联规则.本文对基于本体的关联规则挖掘中的3个主要的问题进行了研究:商品分类本体的构建方法和原则;对于产生的规则使用R-有趣进行精简,并且进行适当得简化;使用改进的Apriori算法实现基于本体的关联规则挖掘的算法.     

Job Shop调度问题中优先规则的性能评价

本文通过计算机仿真。利用优先系数法定量评价 Job Shop 调度问题中优先规则的优劣,并探讨了在综合性能指标下比较优先规则的好坏的方法.     

关联规则的增量式更新算法

关联规则的开采是一个重要的数据开采问题.目前已经提出了许多算法用于高效地发现大规模数据库中的关联规则，而对关联规则维护问题的研究工作却很少.在用户开采关联规则的交互过程中，为了找到真正令其感兴趣的规则，用户将需要不断调整两个描述用户兴趣程度的阈值：最小支持度和最小可信度.本文提出了两种增量式更新算法——IUA(incremental updating algorithm)和PIUA(parallel incremental updating algorithm),用来解决这一关联规则高效维护问题.