用自动模糊划分与改进Apriori算法生成QAR关联规则

针对属性粒度模糊划分需事先给定与Aprirori算法效率低的问题,提出基于自动模糊划分和改进Apriori算法的QAR关联规则生成方法。首先对QAR数据进行空缺值填补等预处理;然后给出最佳聚类准则并根据给出的最佳聚类准则得到最佳聚类,从而对QAR属性完成自动模糊划分及隶属函数的确定;之后通过记录数据项位置及简化连接与剪枝过程来提高Apriori算法的效率;并将其应用到QAR关联规则的生成过程;最后通过品质和性能度量两方面的实验,表明此方法在各方面的性能均优于经典方法。     

基于ADS-B导航完好性指标多级GNSS干扰监测方法

由于卫星信号较为微弱,易受到各种有意和无意的干扰,使得全球导航卫星系统（Global Navigation Satellite System, GNSS）不能安全、可靠的提供服务,GNSS干扰监测方法的研究对于保障民航飞行安全具有重要意义。本文利用GNSS射频干扰所导致的广播式自动相关监视（ADS-B）数据中导航完好性指标的变化特性,给出结合受干扰影响航班粗监测以及精细监测的多级GNSS射频干扰监测方法。首先对ADS-B数据导航完好性级别（Navigation Integrity Category, NIC）进行统计分析实现受干扰影响航班的粗监测,再依据干扰发生时多个航班在干扰区域会同时受到影响,具有空间上的聚集性,利用MeanShift聚类方法实现GNSS射频干扰的精细监测,提取干扰发生的起始与终止点所对应的时间与位置信息。实验结果与QAR（Quick Access Recorder,QAR）数据得到的干扰监测结果进行对比分析,验证所提方法的有效性。      

基于K-均值与AGNES聚类算法的校园网行为分析系统研究

校园网中的服务器存有海量的用户访问日志文件,记录了校园网用户的访问信息。鉴于此,提出了一种基于聚类算法的校园网用户行为分析技术,设计和实现了数据预处理系统,对日志数据进行一系列的清理、合并,标准化等预处理,使其更好地适应后续的聚类操作。将预处理后的数据作为输入数据,分别实现了三种常用的聚类算法对日志数据进行聚类,然后从聚类准确率和聚类速度两个角度对现有算法进行优化。为了提高聚类准确率,提出了用K-均值算法结合AGNES算法的方法;为了提高聚类速度,在MPICH2平台上设计和实现了并行K-均值算法,实现多机并行分析,最后简单介绍了校园网行为分析系统的应用。     

基于QAR数据的民航飞机侧滑角估算方法

侧滑角是一个重要的飞行状态参数。考虑飞机真实的飞行状态,选取快速存储记录器(QAR)中的磁航向、偏流角、风向、风速、地速和俯仰角等参数,提出一种基于QAR数据的民航飞机侧滑角估算方法。以飞机受西风影响为例,通过分析4种航向范围的航行速度三角形,再利用地面惯性坐标系、机体坐标系和气流坐标系之间的变换关系,推导了侧滑角估算步骤,最后选取一段QAR数据对侧滑角进行估算。结果表明该方法能够有效地利用QAR数据对飞机侧滑角进行估算。     

基于深度学习的区块链数据分片峰值聚类算法

为了提高物联网区块链数据挖掘能力,需要进行数据优化聚类处理,提出基于深度学习的区块链数据分片峰值聚类算法.采用异构有向图分析方法进行物联网区块链数据存储结构设计,结合特征空间重组技术进行物联网区块链数据结构重组,提取物联网区块链数据的关联信息特征量,采用语义相关性融合的方法进行区块链数据特征提取和自适应调度,对提取的物联网区块链数据特征量进行模糊聚类处理,采用模糊C均值聚类方法进行物联网区块链数据的网格分片峰值聚类和属性分类识别,采用深度学习方法进行数据聚类过程中的分片峰值融合和聚类分析,实现区块链数据分片峰值聚类.仿真结果表明,采用该方法进行区块链数据分片峰值聚类的收敛性较好,误分率较低,自适应学习能力较强.     

一种结合贪心选择和特征加权的高维数据聚类算法

为解决传统聚类算法无法对高维数据聚类的问题,文中提出了一种结合贪心选择和特征加权的TC-Mean shift高维数据聚类算法。通过对一维数据进行聚类,获得一维数据的聚类结果,再通过加权添加维度聚类,最终获得所有维度数据的聚类,实现对高维数据的聚类。测试结果表明,该算法能够准确地对稀疏的高维数据样本进行聚类,能够处理各种维度的数据,具有良好的实际应用价值。     

基于多种群协同进化算法的数据并行聚类算法

为了提高云存储空间多维资源数据挖掘能力,需要进行数据并行聚类处理,提出基于多种群协同进化算法的数据并行聚类算法.构建云存储空间多维资源数据的参数采集模型,对采集的云存储空间多维资源数据进行模糊并行特征分布式重组,提取云存储空间多维资源数据聚类特征参数集,采用关联粗糙集特征分析方法进行云存储空间多维资源数据的多尺度小波结构分解,结合多种群协同控制的方法,建立云存储空间多维资源数据的并行聚类模型,通过关联协同滤波检测方法,进行云存储空间多维资源数据的分组特征检测和融合聚类处理,根据差分进化方法进行云存储空间多维资源数据的聚类中心寻优,遍历云存储空间多维资源数据聚类区域的候选目标集,实现对云存储空间多维资源数据的并行关联规则聚类和可靠性挖掘.仿真结果表明,采用该方法进行云存储空间多维资源数据挖掘的精度较高,聚类性较好,收敛性较强.     

高维数据集中局部离散文本数据挖掘方法研究

提出利用基于多目标优化软子空间聚类理论的关联规则数据挖掘方法对高维数据集中局部离散文本数据实现数据特征有效挖掘。首先,利用多目标优化软子空间聚类思想结合非支配排序遗传理论优化加权类内紧致及加权类间分离函数,获取优化后的目标函数及非占优Pareto最优解集,运用加权子空间划分方法对最优解集完成特征聚类;其次,基于关联规则思想运用一种特征提取和关联文本的识别方法,对聚类后的文本特征进行文本间及文本内部的特征识别和分类,即实现了文本信息数据的有效挖掘。实验证明,利用多目标优化软子空间聚类数据挖掘方法可以有效实现高维集中局部离散文本数据的挖掘。     

基于云计算与非负矩阵分解的数据分级聚类

为了提高传统数据聚类算法在大数据挖掘应用中的性能,借助云计算的相关技术,并结合非负矩阵分解方法设计并实现了一种并行的数据层次聚类算法。该算法采用Map Reduce编程平台,利用Hadoop的HDFS存储大容量的电信运营商数据;描述了Map Reduce的数据分级聚类并行处理的工作机制与流程;通过Map和Reduce这种主-从编程模式很方便地使数据分级聚类的子任务在Hadoop的PC集群上运行。实验结果表明,该方法比传统用于数据聚类的非负矩阵方法具有更好的运行时间与加速比,能够在可以接受的时间范围内完成电信运营商的大数据处理。     

结合多元信息聚类与空间约束的遥感图像分割方法

为了解决传统聚类算法对聚类表征特征量的依赖性以及定义的不完备性,结合遥感图像的数据的空间位置关系提出了一种结合多元信息聚类与空间约束的遥感图像分割方法。针对某一聚类数据,以若干数据点(多元)组合的方式遍历其所有数据点,并定义多元组合的互信息,以表征该聚类的类内相似性;通过计算类外像素对类内多元组合的互信息,刻画类间的非相似性。在此基础上建立类内相似性和类间差异性,然后结合两者之间的平衡关系建立目标函数,并将Potts模型扩展到目标函数以加入空间约束,最后通过最大化目标函数实现图像分割。对模拟及真实全色遥感影像分割结果的定性、定量分析表明:结合多元信息聚类与空间约束的遥感影像分割方法可以避免聚类表征特征量的定义,从根本上消除其对图像分割的影响,并充分考虑遥感数据的空间位置关系。      

Grey relational analysis based approach for data clustering

This paper generalises the concept of grey relational analysis to develop a technique, called grey relational pattern analysis, for analysing the similarity between given patterns. Based on this technique, a clustering algorithm is proposed for finding cluster centres of a given data set. This approach can be categorised as an unsupervised clustering algorithm because it does not need predetermination of appropriate cluster centres in the initialisation. The problem of determining the optimal number of clusters and optimal locations of cluster centres is also considered. Finally, the approach is used to solve several data clustering problems as examples. In each example, the performance of the proposed algorithm is compared with other well-known algorithms such as the fuzzy c-means method and the hard c-means method. Simulation results demonstrate the effectiveness and feasibility of the proposed method.     

基于球向量机的QAR数据特征提取方法

飞行安全是飞行运输中的一个重要课题,对飞行纪录数据进行分析是判明飞行事故原因的重要依据,所以对飞行记录数据进行数据挖掘则成为一种有效的飞行监控技术。该文针对具有高维特征和大样本数据集的飞行纪录的飞行纪录数据学习问题,提出了一种新型的判别异常飞行事件的特征提取方法,并通过实验表明该方法对某一机型的飞行纪录数据取得了良好的实验结果。     

低能耗的隐私数据安全融合方法

为解决物联网安全数据融合过程中,数据隐私保护与节点计算能力及能量受限之间的矛盾,在对现有方法优缺点分析的基础上,提出一种低能耗的隐私数据安全融合方法(LCSDA, low energy-consuming secure data aggregation),该方法根据最短路径原则选择邻居节点,并且采用Prim最小生成树算法建立簇内数据融合路径。仿真结果表明,该方法可以有效降低节点能耗和簇头节点被捕获的概率,同时保证节点数据的隐私性。     

干扰条件下基于NOMA技术的数据链系统性能分析

航空集群作战场景中电磁环境差且需传输业务量大,数据链频谱资源愈发紧张。针对上述问题, 采用NOMA技术提升数据链频谱利用率并分析干扰条件下基于非正交多址接入(NOMA)技术的数据链系统性能。首先针对航空集群作战场景特点,建立了基于NOMA技术的航空数据链系统模型,推导了系统可获得最大速率表达式。其次考虑路径损耗与莱斯衰落的影响, 推导出系统中断概率的闭合表达式,为估算系统性能提供了快速有效的方法。仿真结果验证了理论推导公式的准确性,并进一步分析了信号发射功率、传输距离、敌方干扰以及数据速率等因素对系统性能的影响。      

一种基于动态遗传算法的聚类新方法

 如何确定聚类数目一直是聚类分析中的难点问题.为此本文提出了一种基于动态遗传算法的聚类新方法,该方法采用最大属性值范围划分法克服划分聚类算法对初始值的敏感性,并运用两阶段的动态选择和变异策略,使选择概率和变异率跟随种群的聚类数目一致性变化,先进行不同聚类数目的并行搜索,再获取最优的聚类中心.七组数据聚类实验证明该方法能够实现数据集最佳划分的自动全局搜索,同时搜索到最佳聚类数目和最佳聚类中心.     

Energy-efficient and reliable data delivery in wireless sensor networks

Clustering has been used as one of energy-efficient mechanisms for data routing in wireless sensor networks. In hierarchical routing approaches, cluster heads are responsible for management (e.g. data aggregation, queries dispatch) and transmission of the collected data in the region controlled by them. For efficient data delivery, several researches have proposed various mechanisms for cluster organization and cluster head selection. However, less focus is given in the area of data transmission associated with Base Station (BS). In such a situation, any failure or packet loss may lead to considerable packet loss. For solving this problem, we propose an efficient data routing scheme for controlling data delivery from nodes to BS. In our proposed approach every node is aware about the link quality of all nodes and is able to deliver data to the BS through the most reliable and energy-efficient route.     

Analysis of blind data hiding using discrete cosine transform phase modulation

This paper presents an analysis for data embedding in two-dimensional signals based on DCT phase modulation. A communication system model for this data embedding scheme is developed. Closed form expressions for estimating the number of bits that can be embedded given a specific distortion measure and the probability of bit error are developed. The data embedding process is viewed as transmitting data through a binary symmetric channel with crossover error probabilities, which depends only on the power in the selected coefficients and the noise created by the signal processing operations undergone by the image.     

Deregulated electricity market data representation by fuzzyregression models

In this paper, the authors present a fuzzy set-based model that represents the relation of electricity demand and price in a recently deregulated electricity market. A simple regression analysis shows the price data's nonlinear trend as the demand volume increases. We have divided the data cluster into two overlapping regions: low demand and high demand. Regression curves, obtained for the two clusters, are smoothly connected by a Takagi-Sugeno-Kang (TSK)-fuzzy model. The fuzzy model is further expanded to encompass the volatile data region by introducing fuzzy numbers in regression parameters. The developed model can indicate the possibility distribution of electricity prices for a given demand value. The model also has the flexibility of narrowing its focus by modifying the fuzzy numbers. California Power Exchange market data are analyzed as a numerical example     

Interference and Outage in Clustered Wireless Ad Hoc Networks

In the analysis of large random wireless networks, the underlying node distribution is almost ubiquitously assumed to be the homogeneous Poisson point process. In this paper, the node locations are assumed to form a Poisson cluster process on the plane. We derive the distributional properties of the interference and provide upper and lower bounds for its distribution. We consider the probability of successful transmission in an interference-limited channel when fading is modeled as Rayleigh. We provide a numerically integrable expression for the outage probability and closed-form upper and lower bounds. We show that when the transmitter–receiver distance is large, the success probability is greater than that of a Poisson arrangement. These results characterize the performance of the system under geographical or MAC-induced clustering. We obtain the maximum intensity of transmitting nodes for a given outage constraint, i.e., the transmission capacity (of this spatial arrangement) and show that it is equal to that of a Poisson arrangement of nodes. For the analysis, techniques from stochastic geometry are used, in particular the probability generating functional of Poisson cluster processes, the Palm characterization of Poisson cluster processes, and the Campbell–Mecke theorem.