基于频繁活动集序列编码业务过程预测性监控

业务流程预测性监控是过程管理的重要内容,已有的研究大部分是基于显式的工作流模型进行预测.但是在实际应用中,企业可能并没有对整个过程实施端到端的工作流建模和管理,或者由于权限原因只能够获得部分执行日志,难以基于完整的业务流程模型进行预测,对此,提出了一种基于频繁活动集的序列编码处理日志中的低频活动,并通过搜寻历史相似数据进行预测的方法.该方法能够随着日志的更新适应由于概念漂移导致的模型改变.在真实的数据集上进行的实验结果验证了算法的有效性.     

基于融合特征网和模块网的低频行为挖掘方法

针对流程挖掘过程中忽略低频行为的问题,提出一种基于融合特征网和模块网挖掘低频行为的方法.首先,通过处理有效的事件日志确定通讯行为轮廓关系,并根据日志将特征分为不同模块,重构事件内部行为,挖掘相应的模块网与特征网; 然后,融合特征网与模块网得出完整的流程模型,并通过迭代扩展初始模式得出所有低频模式.实例分析证明,本文提出的方法具有一定的可行性.     

基于Petri网接口变迁的交互流程模型模块网挖掘方法

交互流程模型的模块分解是查找流程模型变化域的核心内容之一,已有的模块分解方法多是基于完整的流程模型,通过挖掘对比流程模型中所有活动的行为关系将流程模型分解为多个模块网。但是在基于单纯的事件日志分解交互流程模型方面,目前的模块分解方法存在一定的局限性。提出基于Petri网接口变迁的交互流程模型模块网挖掘方法,首先基于系统运行所记录的局部有效事件日志确定其中各活动间的前驱后继关系,并得到相应的活动前驱后继关系表。然后,基于前驱后继关系频繁的活动查找接口变迁,同时考虑无后继变迁的活动。其次,通过分析接口变迁的前集变迁查找交互流程模型中各个模块网的初始变迁,并由初始变迁开始,利用活动前驱后继关系表,逐个添加活动,以此挖掘交互流程模型的模块网。论文最后通过实例验证该优化方法的有效性。     

基于神经网络的小波域彩色图像水印方法

提出了一种小波域图像水印方法,该方法利用神经网络实现水印的盲提取。水印序列被嵌入到YUV彩色空间中Y分量的低频系数中,其中包括一段模板信息,这段模板信息定义了对低频部分进行3×3分块后块内低频系数之间的一种关系,然后利用模板信息训练神经网络,实现水印的盲提取。     

具有隐式可信第三方的云存储数据持有性审计

针对远程数据检查给云存储用户带来较大负担的问题,提出了基于隐式可信第三方的数据持有性审计架构.该架构以防篡改可信硬件为隐式可信第三方,代替用户进行数据持有性检查,并生成显篡改日志以供离线审计.架构自身支持公开审计和检查过程中的隐私保护,从而降低了对数据持有性检查算法在这两方面的功能要求.分别基于2个数据持有性检查算法实现了架构,测试结果表明日志引入的开销很小,在不显著牺牲效率的同时,提高了公开审计的可实现性.     

基于信息流图的隐通道分析技术研究

为了减轻隐通道分析人员的负担,提出了一种基于信息流图的隐通道识别和分析方法.信息流图简单、直观地表现了信息从发送者经过特定的属性集合传播到接收者的过程.介绍了信息流图的构造方法和潜在隐通道的搜索方法.为实现隐通道的自动分析,提出了操作序列分析的6条基本规则并引入了等价操作序列的概念.开发了一个隐通道自动分析工具.实验结果表明该工具大大减轻了隐通道分析人员的工作量,同时能够产生所有真实的隐通道应用场景.     

基于后缀树的知识点间关联规则挖掘算法

在个性化的网络学习中,对知识点间的关联规则进行挖掘是一个关键的问题.该文提出了一种基于后缀树的知识点间关联规则挖掘算法,该算法通过对web日志数据构造后缀树进行序列挖掘,动态地挖掘最大频繁序列,进而发现有意义的知识点间的关联规则.     

一种基于小波变换的车牌字符识别算法

提出了一种小波变换的方法对提取出的车牌字符进行识别.对标准字符和分割好的车牌字符进行正交小波变换获取低频系数和高频系数,构造低频系数矢量和高频系数矢量,定义隶属函数,设定阈值,并定义加权矩阵.先将待辨识字符的低频系数矢量与标准字符的低频系数矢量相比较,再比较高频系数矢量.从而最终获得识别结果.实验结果证明该算法比常规识别算法识别率更高.     

基于小波变换和复合混沌系统的数字图像水印算法

提出了一种基于小波变换和复合混沌系统的数字图像水印算法.在水印嵌入过程中,算法首先对原始图像进行离散小波变换,提取其低频部分作为嵌入区域;在对水印进行加密时,不是使用以往单混沌序列,而是采用复合混沌系统产生的混沌序列;再将加密后的水印进行小波变换并提取其低频部分;最后将加密水印的低频部分嵌入到原始图像的低频部分中.通过水印相关系数NC和峰值信噪比PSNR评价水印算法性能.实验结果表明,该算法可以抵抗JPEG压缩、噪声、滤波等攻击,图像水印效果很好.     

Web日志挖掘中的用户序列模式识别

为研究W eb日志挖掘中的序列模式识别问题,针对传统关联规则算法中阈值固定不变,大序列的数目与序列长度成反向增长的问题,对传统的关联规则算法进行改进,提出IAx算法,使长序列只需较小的支持度技术就能达到阈值,从而发现更多有意义的序列模式,同时运用理论证明该方法的正确性.