增量数据挖掘算法在区域交通管理中的应用

分析了基于关联规则的增量数据挖掘算法，指出其效率低下的原因，针对传统数据挖掘算法多次迭代扫描，每次迭代产生数目更大的频繁项集的不足，提出链表增量数据挖掘算法LIUA，并将该算法应用于区域性车辆自动识别管理系统中，有效地挖掘出系统中的关联规则，对挖掘出的关联规则进行了分析．通过测试结果表明该算法是合理有效的．     

支持数据挖掘的知识库系统

总结了用于数据挖掘的6种类型领域知识．据此，提出了索引知识加领域知识的2级知识组织方法，前者相当于知识目录，根据知识特征要素对后者编号．领域知识库包括规则、函数、层次知识和基本信息4个子库．讨论了多种类型领域知识的语法校验内容，指出领域规则的矛盾性具有结论矛盾、可信度矛盾和包含矛盾3种表现形式，冗余性具有等价冗余、包含冗余、条件冗余3种表现形式，并给出了校验算法．基于上述研究成果，开发了支持数据挖掘的知识库系统KB4DM．     

支撑交通管理综合信息平台的信息挖掘模型

本文分别从结构化信息源和非结构化信息源两个角度探讨支撑交通管理综合信息平台的信息挖掘模型,提出利用粗糙集理论的基本原理,对于其属性约简进行改进。在保证原有属性不变的条件下,削减了冗余信息,并可实现基于数据库存储数据的动态数据挖掘模型,避免了将大量数据从数据库中基于主题倒入数据仓库的传统数据挖掘模式．通过上述算法,不仅提高了信息挖掘的效率,而且可以实时在线信息挖掘,相对于传统的挖掘模式,本文提出的方法更适用于当前基于网络的交通管理综合信息平台的实际应用。     

神经网络方法在数据挖掘中的应用

通过分析当前一些数据挖掘方法的局限性，介绍一种基于关系数据库的数据挖掘方法——神经网络方法，通过对数据库中数据样本的学习，自动发现隐含的大量知识．文中给出了神经网络方法的学习模型和算法，并通过举例来说明此方法．在本文最后，也提出了神经网络方法在数据挖掘中存在的一些问题．     

基于本体协助的数据挖掘在质量控制中的应用研究

在基于数据挖掘的质量控制方法的基础上,针对数据挖掘需要领域专家参与的局限性以及新的制造模式的出现,引入了本体的理论及其方法,提出了一种新的质量控制方法--基于本体协助的数据挖掘质量控制方法,在数据挖掘的各个环节提出了具体的方法和算法,将本体的协助用于数据挖掘的全过程,并在此基础上针对生产过程进行质量控制建模,最后在浪潮超越数控实验室中用车削螺纹的质量数据对模型进行了仿真试验.     

一种基于图论与最大路径的关联规则挖掘算法

关联规则的挖掘目标是发现数据项集之间的关联关系或相关关系,是数据挖掘中的一个重要课题.对于超大数据集,传统算法效率较低,对其加以改进,给出了一种基于图论与最大路径的关联规则挖掘算法.该算法将事务集构造成布尔矩阵,经矩阵清理后,将其转换为图的形式,根据关联规则图生成邻接矩阵.当取步长为k且k>2时,按行从第一个非0元素开...     

机械式离心调速器系统的混沌及反馈控制

根据拉格朗日方程建立了机械式离心调速器系统的动力学方程，求出了系统的平衡点，利用系统的相图和Poincare映射图分析了系统的混沌形成过程．利用连续变量反馈方法实现了系统混沌的控制，将系统的混沌行为利用适当的控制强度控制到稳定的周期轨道．     

混沌鲸鱼优化算法及其 在有限元模型修正中的应用

为提高基本鲸鱼优化算法的搜索速度和寻优性能,提出了一种基于混沌映射的鲸鱼优化算法.该算法分别采用5种混沌映射扰动的惯性权重以协调算法的全局和局部搜索能力,通过测试函数对比得出,5种混沌映射均能提高算法的寻优性能,尤其是Gauss映射;最后,将加入Gauss映射的鲸鱼优化算法用于有限元模型修正问题中.仿真结果表明,改进后的鲸鱼算法能进一步提高模型修正精度.     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

基于图的频繁闭项集挖掘算法

为了提高数据挖掘效率，提出了一种基于图的频繁闭项集挖掘算法GFCG(graph—based frequent closed itemset generation)．该算法采用位矢量技术构造有向图，表示项与项之间的频繁关系，并在有向图的基础上递归产生频繁闭项集，从而只需扫描数据库2次，不产生候选集；引入扩展频繁项集的概念，大大减小了检查频繁项集是否闭的搜索空间．用1个真实数据库和2个合成数据库对GFCG进行了测试，并与A-close和CLOSET算法的结果进行了比较，结果表明，该算法具有良好的速度和可伸缩性性能．     

基于网络的通信电源实时监控系统设计与实现

随着通信网络规模的不断扩大,通信电源的自动化远程监控成为一项关键技术.文中在分析TCP/IP和智能设备通信协议的基础上,开发了一个基于Internet的通信电源实时监控系统.该系统实现了监控中心与通信电源的远程通信,可对通信电源进行遥测、遥信和遥控,并将通信电源的相关运行数据存入数据库,方便对通信电源的维护和管理.本系统已在实际通信电源监控中应用,收到了良好的效果.     

基于GIS的管网爆管分析算法优化与实现

爆管分析是城市地下管网管理中的一个重要管网分析功能,当前的多数管网系统所采用的爆管分析算法、管网数据模型及实现技术难以提供最优的爆管分析方案.文中采用Geodatabase网络模型将管网数据建模为几何网络和逻辑网络,在管网数据模型中明确表达网络流向,并一体化集成存储管网数据,并利用ArcEngine的网络访问接口扩展优化传统爆管分析算法——广度优先遍历算法,实现了支持环状管网的爆管分析功能,此优化方案已成功地应用于大连石化矿区管网综合管理系统.     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

一种基于路网变化的动态路径规划策略

就车辆动态时间最短路径诱导问题展开研究,提出了一种便于工程实施的变起点、定目标点的动态行程时间最短路径规划方案. 基于该方案,在一种大型方阵图下,就Dijkstra、A*、D* Lite等几种动态路径规划算法的计算时间进行了对比分析,针对车载动态导航设备实时性要求高、计算量要求尽可能小的特点,提出了一种基于路网变化的跳变的动态路径规划策略,根据路网中路段权值变化的具体情况,选取更加节省时间的搜索方式. 利用东莞市区电子地图和路网历史流量数据进行实验,实验结果表明,该策略可以有效减少路径动态规划的计算时间,有一定的工程应用价值.     

Building Real-Time Network Intrusion Detection System Based on Parallel Time-Series Mining Techniques

A new real-time model based on parallel time-series mining is proposed to improve the accuracy and efficiency of the network intrusion detection systems. In this model, multidimensional dataset is constructed to describe network events, and sliding window updating algorithm is used to maintain network stream. Moreover, parallel frequent patterns and frequent episodes mining algorithms are applied to implement parallel time-series mining engineer which can intelligently generate rules to distinguish intrusions from normal activities. Analysis and study on the basis of DAWNING 3000 indicate that this parallel time-series mining-based model provides a more accurate and efficient way to building real-time NIDS.     

基于邮件挖掘社会网络核心层的新方法

社会网络分析应用于挖掘各组织及组织内部成员之间通信行为,是一种新的研究方法,在分析基于邮件构成的网络基础上,提出一种挖掘社会网络核心层的新方法MCCY.该方法首先删除结点度小于一定阈值的结点,再运用社团结构及中心度分析找出部分网络核心成员,最后结合已删除的结点得出完整的网络核心层.实验结果显示,该方法可以找出全部的网络核心成员,且在一定程度上解决了大型网络不容易计算的问题.     

列车通信以太网周期数据时态约束调度方法

针对工业以太网调度方法以报文截止期为唯一约束的局限,提出了一种基于时态约束的列车通信网络周期数据调度表生成方法.首先基于时间触发机制改造列车以太网的通信与消息模型;其次利用网络设备通信参数与数据报文参数,提出周期数据通信的时态约束有向图量化模型;最后设计了基于可满足性模理论的调度表生成算法,求解单播及广播业务的周期数据调度表以验证算法有效性,并在实际列车通信网络的拓扑条件下进行调度性能测试及分析.实验结果表明:该调度算法能够解决部分传统算法不能调度的通信任务,满足更细化的周期数据调度需求并提升调度灵活性;调度性能测试中最大链路负载超过80%,可调度周期数据业务量达到1 000项.      

智能化数据挖掘方法综述

数据挖掘被产业界认为是数据库系统最重要的前沿课题之一,是数据库技术、人工智能、机器学习等多学科相结合的产物。介绍了智能数据挖掘方法的研究现状及存在的问题,包括数据挖掘的定义、数据挖掘的任务;指出了数据挖掘研究的挑战性以及今后的发展方向。     

A probability approach to anomaly detection with twin support vector machines

AbstractClassification of intrusion attacks and normal network flow is a critical and challenging issue in network security study. Many intelligent intrusion detection models are proposed, but their performances and efficiencies are not satisfied to real computer networks. This paper presents a novel effective intrusion detection system based on statistic reference model and twin support vector machines (TWSVMs). Moreover, a network flow feature selection procedure has been studied and implemented with TWSVMs. The performances of proposed system are evaluated through using the fifth international conference on knowledge discovery and data mining in 1999 (KDD’99) data set collected at MIT’s Lincoln Labs and the results indicate that the proposed system is more efficient and effective than conventional support vector machines (SVMs) and TWSVMs.