基于可信度的异常规则修正法

在这个信息时代,信息系统中的异常信息同那些＂正常＂信息同样重要。论文在总结了许多异常规则处理算法不足的基础上,提出了一种基于可信度的异常规则修正法。该方法根据设定的可信度阈值,来判断信息系统中的不相容规则是否是异常规则。论文结合一个实例阐明了该方法的基本思路。     

基于XML的分布式防火墙异常规则发现算法

分析了分布式防火墙(DFW)规则异常产生的原因,定义了规则的四种相关性:完全无关、完全匹配、包含匹配、部分相关,然后对四种类型规则异常进行了规范的定义,包括阴影异常、虚假异常、冗余异常和关联异常,并运用基于XML的规则模型设计了基于XML的异常规则发现算法.通过FPA软件实现了本算法,对查全率和性能进行了分析.     

基于规则信息量的规则提取及规则约简

在提出规则信息量的基础上,分析了可能性规则的定义,并利用规则信息量对条件属性类和决策属性类间的概率因果关系进行了描述,重新定义了可能性规则.同时,进一步提出了能充分利用决策表信息系统中统计信息的规则提取算法LRE.本文还基于规则信息量得到了一种新的规则约简算法,这种算法是在对原有的粗集规则约简定义进行合理推广的基础上建立起来的,能很好地抵抗数据中的噪声.     

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.     

基于SMFDD实现分布式防火墙异常规则检测及优化

为提高分布式防火墙异常规则的检测效率并优化异常规则,提出基于半同构标记防火墙决策图(SMFDD)的分布式防火墙异常规则检测算法与异常规则优化算法。异常规则检测算法在保持原始规则完整性、一致性、紧凑性的基础上,消除独立防火墙规则间异常;通过SMFDD之间的比较操作,提高异常规则的检测效率。异常规则优化算法根据SMFDD之间逻辑操作,定位引起规则异常的重叠或交叉域,修正分布式防火墙规则间异常,优化防火墙规则。仿真结果表明,当防火墙含有一定规则时,异常规则检测算法可以提高分布式防火墙规则间异常检测效率,异常优化算法能够快速优化异常规则。     

实现数据库异常检测相关技术的研究

该文介绍了数据库异常检测的重要性。重点分析了Fp-growth关联规则算法的实现过程,提出了一个基于Fp-growth算法的数据库异常检测系统,并给出了系统试验数据结果。     

基于二进制可辨矩阵的决策规则约简算法

决策规则的约简是利用决策逻辑分别消去每一条决策规则中的冗余属性值,是粗糙集理论知识约简的重要内容,一般是在属性约简之后采用启发式信息实现决策规则的约简。基于二进制可辨矩阵给出一个简单的直接求取决策规则核的方法,并提出一种决策规则的约简算法。所给算法简单直观,不但适用于相容决策表,也适用于不相容的决策表。     

不一致性决策信息系统规则获取方法研究

针对不一致性决策信息系统,提出一种使用规则分辨矩阵获取决策规则的算法.不一致性决策信息系统在约简时可能产生新的冲突规则,选择冲突规则对不变的约简并产生规则,在此基础上进行不一致性规则的合并从而生成正确的规则集.     

遗传聚类算法在污水处理异常数据分析中的应用

为了识别污水处理数据中的异常数据,应用了一种基于最近邻聚类和遗传优化算法的异常检测算法.算法采用基于距离的异常因子来度量异常数据的异常程度.通过分析异常类别的数据,建立故障诊断的规则.实验结果表明,该方法能够有效地检测中污水处理数据中的异常数据.     

基于粗糙信息向量的一种决策规则获取算法

针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。     

一种挖掘意外规则的快速算法

意外规则由于其支持度比较小,通常被人们所忽视,但由于它的可信度很高,却非常有用。该文提出了一种挖掘意外规则的新算法,它在经过合理处理的数据库中产生大项集,对整个挖掘数据库只需扫描一遍,即可产生意外规则。该算法应用于蘑菇数据库,结果显示该算法是快速有效的。     

A data-driven grapheme-to-phoneme conversion method using dynamic contextual converting rules for Korean TTS systems

This paper presents a data-driven Korean grapheme-to-phoneme conversion method including alignment, rule extraction, and rule pruning procedures. Novel rule extraction and pruning techniques are introduced to effectively handle the exceptional pronunciation of speech databases. The performances with the full rules and the reduced rules are 99.22% and 99.11% phoneme level accuracy, respectively. Compared with state-of-the-art previous works, the experimental results show that our method is very promising.     

基于异常匹配点去除的基本矩阵优化估计

提出了一种基于异常匹配点去除的基本矩阵优化估计算法。第一,去除异常匹配点,并得到基本矩阵的初值;第二,根据对极距离最小准则非线性优化求解基本矩阵。实验结果从平均余差和平均对极距离两方面表明,该算法消除了异常匹配点对基本矩阵的影响,精度较高,具有一定的优势。     

基于遗传算法的易于理解的分类规则构造

提出了一种分类规则易于理解性的新的定义，并给出了应用属性信息增益计算分类规则可理解性的方法。分析了遗传算法发现分类规则的过程。乳腺癌统计数据上的实验表明，它可以发现准确和易于理解的分类规则。     

例外关联规则挖掘

1 引言数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。通常,经过某些数据挖掘工具的挖掘后,例如,文[1]所给出的快速算法,我们会得到大量的关联规则。对用户来说,从这些大量的规则中找出自己感兴趣的规则十分困难,而且,也     

最简有效关联规则及其挖掘算法

传统关联规则挖掘算法往往会产生过多规则而难以被决策者所采用。针对该问题,文章从应用的角度提出了最简有效关联规则,其特点是采用以后项为导向的挖掘方式,同时追求规则前后项之间的相关性,在此基础上给出了一种最简有效关联规则挖掘算法。利用该算法得到的最筒有效关联规则集包括的规则数量大为减少且能得出与全部有效关联规则集相同的决策,避免了大量的冗余挖掘及无效挖掘,提高了挖掘效率和应用效果。     

线性关联规则研究

首先讨论了布尔型关联规则的不足,然后提出了线性关联规则的概念,详细讨论了线性关联规则的挖掘方法,具体给出了线性关联规则的挖掘过程,分析了线性关联规则的作用。还给出了实验结果,并将线性关联规则和布尔型关联规则及定量关联规则进行了比较。     

基于Galois联络的最小非冗余关联规则挖掘

关联规则挖掘是NP难题,关键是如何约简频繁项集。本文以Galois联络为理论基础,应用Galois联络的闭包运算及其性质定义数据库中的频繁项和封闭频繁项,提出了挖掘关联规则生成子、精确关联规则生成基和近似关联规则本征基的概念,并由此构造最小非冗余精确关联规则和近似关联规则挖掘的MNRM算法。该算法与Apriori算法相比较,挖掘的关联规则是最小非冗余的,降低了计算复杂度,而且规则具有不丢失任何信息、最小前件和最大后件以及对用户最实用和最相关等优点。