通过增量聚类预处理分区的一种序列模式挖掘方法

大多序列模式挖掘算法在处理呈指数增长的模式时性能有限,而且当输入的数据集很大时,因为主存限制将使其变成不可解的。本文提出基于分区的序列模式挖掘算法,克服了主存限制的缺点,并通过增量聚类方法对数据预处理,得到更合理的分区以提高整体性能。     

入侵检测中基于序列模式的告警关联分析

提出一种基于序列模式的告警关联分析模型,实现对攻击告警的分析。该模型预处理部分利用网络拓扑信息和告警属性相似度隶属函数对原始告警进行过滤和融合;在WINEPI算法的基础上,考虑告警数据库增长的情况,提出一种告警的增量式序列模式挖掘算法,用于关联规则发现;在线关联模块匹配规则库形成攻击场景图,并预测未知攻击事件。使用2000 DARPA攻击数据集测试表明,该模型能够明显改善入侵检测系统的性能,验证了模型和算法的有效性。     

一种基于RSA思想产生伪随机序列的算法

本文提出了一种产生伪随机序列的新算法,该算法所产生的序列不但具有与高次幂剩余序列可比拟的统计特性,而且其保密性也远强于线性同余序列。我们还通过计算机模拟实验验证了该算法的有效性,文中给出了部分实验结果。     

RCR:一种面向金融时间序列的相似度量模型

在对我国证券市场交易数据的研究基础上,提出了一种新的面向金融时间序列的相似度量模型。此模型的数学定义清晰,易于计算机实现,能够有效完成形态搜索的自动化。给出了模型的形式化定义和模型的性质,并在实际股票交易数据上进行了相似性搜索实验,实验结果验证了模型的识别能力。     

一种基于BER模式的蓝牙网数据传输算法

分析了蓝牙网在不同BER模式条件下的数据传输情况,提出了一种基于物理链接层BER模式的蓝牙网络的自适应数传算法。按照蓝牙网数据包的ACL分组,在不同BER模式条件进行了数据传输实验,实验结果分析表明该算法能显著改善蓝牙网数据传输效率。     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

一种基于约束的区间合并算法

数据挖掘中数量关联规则挖掘的关键是连续属性离散化问题,本文基于规则约束,以兴趣度为依据,对数量关联规则的区间合并算法进行了研究。     

一种基于XML的Web数据挖掘模式

互联网的广泛应用使Web数据挖掘成为当前数据挖掘研究的热点,而Web数据的结构却使对其所进行的数据控制十分复杂,XML的出现为Web数据挖掘技术提供了一个很好的入口。本文分析了XML文档的数据结构,提出一种经由HTML文档转换成XHTML并最终由XSL所决定的XML文档的Web数据挖掘模式。     

藏书结构中权值标度的问题探讨

在图书馆工作中，建立合理的藏书结构是一个复杂的系统工程，它涉及的因素很多，较为合理的解决方法有层次分析法、模糊数学评价及正交优化等方法，而这些数学模型计算的关键及难点是权值标度如何确定的问题。本文结合我校图书馆的实际就此进行了探讨。     

二元序列优化的二种快速算法

基于二相编码雷达对大压缩比信号的要求,提出了一种比直接算法平均提高效率0.5P(P 为序列长度)的快速数字优化方法。作为这种快速算法的实际应用,还对 P=255的二相编码脉冲压缩信号进行了优化。     

金融领域时间序列挖掘技术研究

数据挖掘技术近年来被广泛用于时间序列分析,时间序列挖掘技术主要包括关联分析、序列分析、分类分析、聚类分析和异常检测等五类。由于金融领域的时间序列具有一些重要的特征,因此将各种挖掘方法与金融时间序列的特征,以及各种传统的时间序列分析模型相结合,是目前金融时间序列挖掘领域的研究热点。     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

基于经验模式分解和移动平均的金融时间序列分析

将经验模式分解理论应用于金融时间序列分析中,建立了一种新的基于经验模式分解和移动平均的综合分析模型。经验模式分解基于信号的局部特征时间尺度,能把复杂的信号分解为有限个基本模式分量之和,是一种完全在时域中进行的自适应分解,克服了小波等分解分析方法中的基函数选择问题,非常适用于非线性和非平稳过程的分析。股市分析实例表明,该模型能有效提高股市波动信号的信噪比,揭示股市价格的内在运动规律,增强分析结果的可靠性,在金融时间序列分析中具有很高的应用价值。     

一种基于权函数的改进型关联规则挖掘算法

提出了一种基于权函数的改进型关联规则算法——CWA priori算法。该算法利用决策属性在挖掘中的作用,归约数据源中无价值或价值较小的记录,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明CWA priori算法的效率明显高于A priori算法。     

离散因果序列卷积和的一种简便解法

本文介绍了在离散因果序列卷积和的求解中的常用解法,在此基础上应用初等数学的知识介绍了一种简便解法。     

权值反馈的多干扰频域自适应滤波

针对多个不等强度的大功率窄带干扰,提出了一种权值反馈的频域自适应滤波算法。其优点是利用权值反馈不仅在权值迭代过程中实时调整更新步长,实现算法的快速收敛,同时达到有效地抑制多个强干扰的目的,使输出信号的平均功率更接近于扩频信号功率,改善了DSSS系统的性能。同时将算法的数学推导和分析与无权值反馈自适应滤波算法进行了比较,仿真结果验证了该算法在加快收敛速度以及改善系统性能方面的有效性。     

一种Apriori的改进算法

在Apriori算法算法基础上提出改进的方法，通过减少产生候选集的组合和减少数据库的扫描来提高挖掘的速度和减少数据库的I／O操作时问的开销。     

颗粒测量中一种自适应非独立模式算法

光全散射颗粒测量法中需求解第一类Ｆｒｅｄｈｏｌｍ积分方程，在不知被测颗粒尺寸范围的情况下，如何确定积分方程的上下限，即测量范围，迄今仍是个问题．本文针对此问题提出了一种自适应非独立模式算法．该方法可根据双参数颗粒分布函数的分布参数ｋ自动确定积分的上下限．数值模拟和实验都证实了此算法．