使用频繁结构提炼网络权威资源

在网络资源中有丰富的、对于许多应用领域有用的动态信息,已有许多的研究工作致力于提高网络中信息检索的质量,然而,这些工作中的大部分仍不能满足用户形形色色的请求．利用网络中的超链接提出新的算法ESFP来改善从搜索引擎返回的搜索结果的质量．运用SFP算法构造ESFP算法,完成从复杂的网络拓扑结构中提取权威的页面和社团．通过运行若干个实验来描述所提出的算法,这些实验数据表明,在处理搜索结果中使用ESFP算法在性能上要优于许多已知的算法如HITS等．     

基于子序列相似性的时间序列语义挖掘算法

时间序列是对某个事物或系统进行连续同间隔测量得到的数值序列,挖掘时间序列中潜在的语义信息对于发现系统运行规律或识别系统突发异常至关重要,然而目前多数时间序列语义挖掘算法对于时间序列数据特征有一定的约束条件,难以处理海量且特征各异的时间序列数据。针对该问题,提出一种基于子序列相似性的时间序列语义挖掘算法。通过计算子序列的相似性,将时间序列分割成片段序列进行两级聚类,识别出时间序列中潜在的物理状态。引入基于概率的迭代模式,根据候选分段情况动态调整子序列被选为参考子序列的概率,保证参考子序列涵盖全部物理状态。实验结果表明,该算法在PAMAP、Barbet等5个真实数据集上的识别准确率均超过90%,相比于FLUSS、pHMM、AutoPlait算法具有更高的识别准确率与运行效率以及更强的通用性。     

基于图论的频繁模式挖掘

对图数据频繁模式的挖掘是近年的研究热点．选择了惟一标号图进行分析,结合图论和频集生成的算法,提出了基于Aproiri思想、运用矩阵乘法的AMGM算法和基于SFP树的SFP算法．它们可有效地挖掘简单图中连通频繁子图．实验表明,这两个算法是十分有效的,其中SFP算法的性能优于AMGM．该算法还被运用于发现Web上的权威页面和社团,具有良好的效果．     

基于高炉专家系统的多变量炉温智能控制系统

利用高炉过程计算机的数据处理及推理判断来判断高炉炉温变化的趋势,通过对现场实际生产数据的分析,研究在高炉炉温控制方面如何利用一次生产数据．运用多变量处理技术提取较有价值的中间工艺参数来判断炉况发展的方向,避免炉况失常,保证高炉长期稳定运行。经过实际生产数据测试表明,系统运行稳定,能较准确地判断炉温变化的趋势。     

AdaBoost算法的一种改进方法

Boosting是一种改善任意给定的机器学习算法准确性的通用方法．主要针对AdaBoost算法，介绍了AdaBoost算法的研究背景．分析了实验过程中出现的退化问题以及目标类权重分布扭曲的现象，提出了一种基于调整权重分布，限制权重扩张的改进方法，最后给出了实验结果和分析．     

基于Contour Cube的有界近似压缩算法

OLAP是决策支持系统(DSS)中非常重要的一个工具,其庞大的容量为有效存储和在线响应带来了巨大的挑战.一些新兴应用如Mobile OLAP,对上述两者的限制愈加严苛.先前的工作采用近似压缩技术,以一定的精度为代价换取高压缩率和快速回答查询的能力.提出了一个新的存储结构Contour Cube以及利用它在给定误差下进行近似压缩的算法框架.该方法在回答近似值的同时提供其误差界限,能够为决策分析人员提供更可靠的近似数据.实验表明,即便在最直接的实现方法下,依然有很好的压缩效果.     

简单多边形分解成凸多边形差组合的算法

本文说明一种把简单多边形分斛成凸多边形的差形式的组合的算法。该算法在求一简单多边形凸包的同时求出凸包和原多边形的差(把差称为内多边形),再对内多边形递归地作同样计算便可得到最终结果。最后证明了运算法的时间复杂性为O(N~2),其中N为原多边形的边数。     

基于MapReduce的时间序列索引与批量查询技术

针对基于不平衡树的时间序列索引对海量时间序列数据查询性能较差的问题,提出一种基于MapReduce的DB-DSTree索引。利用平衡的时间序列索引DHD作为路由树创建分布式的DSTree,并充分挖掘批量查询中的数据局部性,将相似的查询路由到局部节点上,以改善DSTree索引的非平衡性。实验结果表明,DB-DSTree索引的平衡性和局部性较好,可减少子树的查询范围和磁盘I/O次数,提高查询效率。     

基于推理的安全数据库审计框架

信息技术的发展给安全数据库带来了新的挑战,各种安全策略明确以法律条文形式颁布,这要求采用有效的手段证实,对数据库的访问与安全策略的一致性,审计访问数据库的各种查询正好能实现这一目标,但常规的审计方法只能对单个查询的查询结果进行审计,而蓄意破坏的用户可能利用多个查询的查询结果进行推理来访问敏感信息,这就要求审计的同时也应具备基本的推理能力,提出了切实可行的安全数据库推理审计框架,该框架具有①MVD推理审计能力;②FFD推理审计能力;③FD推理审计能力,而且具有审计方法快速、准确、细粒度等特点.     

基于频繁闭情节及其生成子的无冗余情节规则抽取

情节规则挖掘旨在发现频繁情节之间的因果关联,已广泛应用于传感器数据处理、网络安全监控、金融证券管理、事务日志分析等众多领域.针对一个事件序列上的无冗余情节规则挖掘,提出了算法Extractor.该算法采用最小且非重叠发生的支持度定义和深度优先的搜索策略来发现频繁闭情节及其生成子,保证了频繁闭情节及其生成子的挖掘质量和挖掘效率;利用非生成子情节的Apriori性质,避免了冗余的情节生成子判断;直接由频繁闭情节及其生成子产生无冗余情节规则,提高了情节规则的生成质量和生成效率.所进行的实验证实了该情节规则抽取算法的有效性.