基于兴趣度的隐私保护关联规则挖掘算法

基于启发式的隐私保护关联规则挖掘算法常通过删除项或增加项改变规则的支持度,现有的通过删除项的隐私保护关联规则挖掘算法设计过程中通常忽略了兴趣度和规则的左件,导致对非敏感规则的支持度和数据可用性影响很大。针对上述不足,在算法设计过程中引入了兴趣度和逐步移项的思想,通过对敏感规则的左右件选择性地适当处理,不仅成功隐藏了指定隐私规则集,同时降低了对非敏感规则支持度的影响,提高了数据的可用性。理论和实验结果表明i,f-then算法具有较好的隐私性和高效性。     

基于影响度的隐私保护关联规则挖掘算法

将T检验思想引入隐私保护数据挖掘算法,提出基于影响度的隐私保护关联规则挖掘算法.将影响度作为关联规则生成准则,以减少冗余规则和不相关规则,提高挖掘效率;通过调整事务间敏感关联规则的项目,实现敏感规则隐藏.实验结果表明,该算法能使规则损失率和增加率降低到6%以下.     

基于动态冲突度计算的敏感规则清洗算法

数据挖掘中的隐私泄漏问题一直备受关注,在确保隐私的前提下达到最佳挖掘效果是近年来数据挖掘领域的研究热点之一。为防止在数据挖掘中发生隐私泄漏等问题,基于隐私保护框架,提出一种支持动态计算冲突度的高效的敏感规则清洗算法。在隐藏敏感规则的同时,动态调整冲突交易的冲突度,以尽量减少对非敏感规则误隐藏的可能性。理论分析与实验结果表明,给出的算法隐藏失败率为零,且大幅度降低了误隐藏率,有效保护了敏感规则,显著改善了算法的清洗效果。     

关联规则隐藏的事务增减方法

基于事务对关联规则的贡献程度,提出一种新的敏感规则隐藏算法,包括添加弱相关事务和移除强相关事务2个过程。针对简单型和复合型单一规则,设计4种项目调整方法。实验表明,直接替换法的副作用最小,且只需少量事务更新就能达到要求。算法能抵抗大范围的支持度攻击,当调整因子达到0.07以上时,隐藏率为100%。     

基于隐私保护的关联规则挖掘算法

数据挖掘中的关联规则反映一个事件和其他事件之间依赖或相互关联的知识,其中涉及隐私保护方面的问题。该文提出一种基于隐私保护的关联规则挖掘算法及其事务修改算法PPARM,通过对包含敏感项的相关事务做适当的处理,有效地隐藏该类敏感规则。理论分析和实验结果表明,该挖掘算法简单,且具有很好的隐私保护性。     

基于隐私保护关联规则的改进算法

随着数据挖掘和数据发布等数据库应用的出现与发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战.隐私保护技术需要在保护数据隐私的同时不影响数据应用.为了高效地做到隐私保护,本文提出一种有效的隐私保护关联规则挖掘方法：利用PPARM和IMBA算法这两种改进后的隐私保护基本策略相结合,通过对敏感项做较少的操作,更大程度地隐藏敏感规则的同时也对非敏感规则的影响也最小.实验结果表明：该算法具有很好效果,更好地做到了隐私保护的目的.     

关联规则隐藏算法的研究*

数据挖掘能从不同角度、不同抽象层上看待数据,这将潜在地影响数据的私有性和安全性。着重介绍了关联规则数据挖掘中的规则隐藏算法,提出了一个改进的关联规则隐藏算法OSA,该算法综合采用项的添加和约束方法来降低关联规则的支持度和置信度,从而达到规则隐藏的目的。     

通过计算影响权值实现敏感序列模式隐藏

基于隐私保护的数据挖掘是近年来数据挖掘领域的研究热点之一.提出一个基于数据清洗的敏感序列模式隐藏算法,它通过计算事务组影响权值,选取对非敏感序列模式影响最小的事务组进行清洗,从而在确保隐藏敏感序列模式的同时,尽量减少对非敏感模式集的影响.对不同稠密度和不同规模数据集的实验结果表明,该算法既实现了对敏感模式的保护又具有较低的误隐藏率,并且当数据集大小变化时,序列数据库相异度没有明显改变.     

序列模式挖掘中的隐私保护方法研究*

目前,已提出了一些关联规则挖掘中的隐私保护方法,而对序列模式挖掘中隐私保护的研究却很少。为此,提出了一种有效的敏感序列隐藏算法CLSDA(current least sequences delete algorithm),该算法对候选序列加权,在删除序列的过程中随时更新权值,使用贪心算法获得局部最优解,尽可能减少对原始数据库的改动。实验结果表明,与现有序列模式隐藏方法相比,算法CLSDA将具有更好的隐藏效果。     

基于虚词变换的自然语言信息隐藏算法研究

简要分析了一般文本信息隐藏的方法,提出了一种利用汉语中的高频虚词来进行信息隐藏的思想。以助词“的”为例,总结出了若干可以在不影响文本语义的前提下修改“的”字结构的语法规则。以这些规则为基础给出了一个具体的基于虚词变换的文本信息隐藏算法,并对该算法的隐蔽性和隐藏容量、鲁棒性等进行了分析。     

基于粗糙集的查询与规则不精确匹配近邻算法

针对专家系统中用于用户查询和规则之间不精确匹配问题,提出了一种包含规则的权重和条件属性重要性的近邻算法。该算法部分匹配用户查询和规则左部,计算用户查询与规则之间的距离,找出与用户查询近邻的规则。规则的权重由规则的支持度和置信度决定,而条件属性的重要性在粗糙集理论的基础上客观地计算得出。近邻规则右部就是提供给用户查询的求解方案。该算法的可行性通过一个简单实例进行了论证。     

基于关联度分析的遗传算法研究及其应用*

简要分析了关联规则数据挖掘技术的研究现状,给出了关联规则问题描述,引出了基于关联度的适应度函数,最终建立了一个基于关联度分析的遗传算法。并应用于银行卡分析系统,建立特征提取的具体实例即客户信用度预测模型。实例结果表明具有较好的分类预测能力。     

Encoding a process algebra using the Event B method

This paper presents the use of the B technique in its event based definition. We show that it is possible to encode, using Event B, the models (i.e., transition systems) associated to a process algebra with asynchronous semantics. The obtained Event B models consider that the Event B model associated to the left hand side of a BNF rule defining the algebra expressions is refined by a model corresponding to the right hand side of the same rule. The translation rules of each operator of a basic process algebra are given. Then, an example illustrating each translation rule is given. This approach is based on a proof technique and therefore it does not suffer from the state number explosion problem occurring in classical model checking. The interest of this work is the capability to validate user tasks or scenarios when using a given system and particularly a critical system. Finally, we discuss the application of this approach for validating user interfaces tasks in the human–computer interaction area.     

防火墙规则配置错误快速检测算法

在防火墙的规则配置中潜伏着一些问题：安全管理员可能在最初配置规则表的时候，出现一些错误；随着规则表中规则数目的增长，不同的规则之间发生冲突的可能性也相应增加。该文对防火墙规则配置过程中可能出现的错误进行了分析，介绍了防火墙规则配置错误的几种常见类型，给出了发现错误的算法，并根据防火墙规则表的特点对算法进行了改进，提高了规则配置错误的检测效率。     

一种光线跟踪的包容性检测算法

提出了一维投影判别法和基于右手定则的空间多边形的包容性检测算法,该算法将空间多边形和线面交点投影至一维坐标轴并进行包容性的必要性判定,以少量逻辑比较即可排除大多数无关面片,然后利用基于右手定则的包容性检测算法,进行充分性判定。理论计算和模型中的应用表明,此算法用时显著减少。     

正负关联规则挖掘在电子商务中的应用研究

如何根据用户当前的访问行为,预测他下一个感兴趣的商品,做出针对性的推荐成为电子商务的一个重要研究内容。文章提出了一种不需产生大量非频繁项集的关联规则挖掘算法,该算法利用相关性很好的改善了经典Apriori算法中存在大量冗余规则问题。最后通过实验证明了算法的有效性。     

负关联规则挖掘算法的应用与研究

传统的正关联规则考虑的是事务中所列举的项目,而负关联规则不仅考虑事务中所包含的项,还考虑了数据库中存在而事务中所不包含的项。该文首先讨论了负关联规则的相关定义,以及它的支持度、置信度与相关度,并分析了PNARC模型的算法。最后对负关联规则的研究发展方向进行分析。     

解不同交货期并行机调度问题的并行遗传算法

为有效地解决不同交货期窗口下的非等同并行多机提前/拖后调度问题,设计了一种分段编码的混合遗传算法。此编码方式能反映工件的分配序列,并利用调度优先级规则和最好适应值规则相结合的启发式算法对其顺序进行了调整,加快了收敛速度。同时为了更好地适应调度实时性和解大规模此类问题的需要,基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,此算法是有效的,优于遗传算法,有着较高的并行性,并能适用于大规模不同交货期窗口下非等同并行多机提前/拖后调度问题。     

多Agent系统中基于Rough集的推理

定义了多Ａｇｅｎｔ系统中的推理模型,建立了在该模型下的Ｒｏｕｇｈ集和基于Ｒｏｕｇｈ信方法的Ｒｏｕｇｈ包含计算或称集合连接计算,在知识发现和数据挖掘中,集合之间往往不是给出它们的相等性,而是讨论它们之间的Ｒｏｕｇｈ包含或连接。因为在不同的Ａｇｅｎｔ中集合之间关系的精确和一致解释往往是不容易获得的。一般说来,一条基于决策表上的规则,满足前提公式个体的集合包含于满足结论公式个体的集合常常是用一种支持值和     

基于Power Extrapolation和Adaptive Method的网页评估新算法

Google的PageRank算法通过对超链接结构的分析,有效地提高了搜索结果的排序质量。PowerExtrapolation算法通过特征值直接求解马尔可夫超链接矩阵的主特征向量,但该算法的迭代次数与参数d的选择密切相关,而参数d的确定目前无明显规律可寻。另一方面,AdaptiveMethod通过将马尔可夫超链接矩阵稀疏化以达到节省迭代时间的目的。文章在PowerExtrapolation算法的基础上引入AdaptiveMethod,实验结果初步证明了新算法可以减少迭代运算的时间。