基于划分的聚类分析算法的改进

对传统的K-平均算法作了简单的介绍和讨论,提出了一种具有单纯型法思想的K-中心点轮换法。分别对比了K-均值算法与K-中心点轮换算法的时间复杂度,针对K-中心点轮换算法的时间复杂度提出了一种基于抽样原理的改进算法,并对K-中心点轮换算法聚类数目的选择进行了各种改进方法的探索。同时,基于主流的weka开源数据挖掘工具实现了改进算法。实验结果表明了算法的有效性。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法;该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割;算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度;实验结果表明该算法是一种切实可行的图像分割方法。     

基于可靠度的计算机系统优化问题的研究

分析了计算机系统硬件优化配置问题,给出了该问题的优化模型,并利用模拟退火算法和遗传退火算法对求解该问题进行了具体设计。通过实例仿真比较,遗传退火算法能得到比文献中算法和模拟退火算法更好的结果,表明算法是非常有效的。     

一种面向入侵检测的Wu-Manber算法研究

模式匹配算法是入侵防御系统中检测引擎的核心算法,模式匹配算法的效率决定了入侵防御系统的性能。本文对模式匹配算法进行了研究,重点分析了多模式匹配算法Wu-Manber算法,并针对Wu-Manber算法存在的不足,提出了Wu-Manber算法的改进算法。     

基于概率模型的混合多目标算法

对传统多目标算法NSGA-Ⅱ及模型多目标算法RM-MEDA进行了分析,并指出了二者的不足。在此基础上,提出基于概率模型的混合多目标算法,并设计了相应的建模准则用于实现两种算法的结合,使得提出的算法能够充分发挥两种算法的优势。将提出的算法与NSGA-Ⅱ算法和RM-MEDA算法在10个测试函数进行了实验对比,结果证实了算法在全局收敛性及多样性等方面有着较好的效果。     

基于关联规则的Apriori算法的可视化实现方法

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了优化.该算法以经典的Apriori算法为基础,改进后的算法在运算速度明显好于Apriori算法.同时,还介绍了一种基于Apriori算法的可视化挖掘模型[1],并讨论了该可视化模型的实现方法.     

一种面向入侵检测系统的模式匹配算法的改进

分析引擎是入侵检测系统的核心部分,一个好的模式匹配算法直接决定了入侵检测系统分析引擎的效率。本文对几种经典的模式匹配算法如:BM算法,BMH算法以及BMHS算法等经典算法进行了研究和分析,比较了几种算法的优劣。最后在BMHS算法的基础上提出一种改进的算法,该算法可以有效提高入侵检测系统的检测速度。     

一种综合改进的启发式BP神经网络研究

对BP算法的两种启发式改进算法:MOBP算法和VLBP算法进行了分析,通过结合两种算法,并实行批处理更新训练集、向量值归一化和初始参数随机化等,形成了MO-VLBP算法.并将MO-VLBP算法和基本BP算法、MOBP算法、VLBP算法,以及文献中的类似算法通过编程实践,进行了对比分析.结果表明,MO-VLBP算法具有较高的性能,而且可以通过改变部分参数很容易地转化为其它算法.     

一种BM模式匹配算法的改进

模式匹配算法是入侵检测系统中使用较多的一种重要算法。在分析了BM算法以及相关算法的基础上,提出了一种新的改进算法——BMI算法。该算法借鉴了BM算法的思想,并利用了下一字符和末字符的单一性和组合性,有效地提高了最大位移出现的概率。实验测试结果表明该算法能够有效提高匹配过程的效率。     

改进的混合粒子群算法

从研究分析粒子群算法和郭涛算法的特点出发,提出一种综合两算法优点的混合算法。新算法改变了粒子的更新方式,以子空间搜索和串行搜索相结合的多点并行搜索,扩大了算法的搜索范围,减少了粒子对初值的依赖,增强了算法跳出局部最优的能力;通过后代较优个体变异产生子群,提高了算法局部寻优能力;实验证明,该算法正确高效。     

关联规则挖掘AprioriTid算法优化研究

提出了一种基于事务压缩和项目压缩的AprioriTid优化算法。该算法的特点是：项目集采用关键字识别，同时对事务数据进行事务和项目压缩。从而省去了Apriori算法和AprioriTid算法中的剪枝和模式匹配步骤，减小了扫描事务数据库的大小，提高了发现规则的效率。通过实验表明，优化的算法执行效率明显优于AprioriTid算法。     

关联规则挖掘AprioriTid算法的改进

提出了一种将AprioriTid算法与事务压缩和项目压缩相结合的改进算法。该算法中候选项目集及支持度计算是在每条事务压缩后通过联接产生，候选项目集采用关键字识别，省去了ApfioriTid算法中的剪枝和字符串模式匹配步骤。实验结果表明，改进的算法执行效率明显优于AprioriTid算法。     

挖掘关联规则中AprioriTid算法的改进

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法。该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度。实验结果表明改进算法确实能有效减少相关计算量,比已有算法执行效率明显提高,同时验证了该算法在旋转机械故障诊断中的有效性。     

一种挖掘频繁项集和频繁闭包项集的算法

文章基于AprioriTid和挖掘闭包项集算法Close提出了一种新算法FFC算法,该算法能同时生成频繁项集和频繁闭包项集。提高效率的同时又为挖掘无冗余规则奠定了基础。     

基于垂直分布方法的关联规则算法及改进

数据挖掘中的关联规则挖掘近些年一直是人们研究的热点。但是关联规则挖掘的经典算法Apriori存在着挖掘效率低、系统开销大等问题。AprioriTid、DIC等算法,也仅从某一方面进行了改进。针对上述问题,提出了一种新的改进算法,新算法从三大方面对原有的算法进行了改进,以此提高算法的效率,降低系统的开销。     

基于规则约束制导的入侵检测研究

入侵特征值识别和发现算法是误用入侵检测中的关键技术。采用数据挖掘技术从主机和网络的数据中发现入侵特征值,建立入侵行为和正常行为规则库,已经广泛用于入侵检测技术中。针对数据挖掘中经典的Apriori和AprioriTid算法中存在项集生成瓶颈问题,提出了一种基于规则约束制导的Apriori算法,考虑到强规则事件并不一定是有趣事件并且大部分入侵行为都是基于已有入侵模式基础上变异得到,加入兴趣度约束和递减支持度约束。通过实验演示,结果表明该算法可大幅提高效率并在入侵检测漏报率上有很好的改善。     

A fast algorithm for mining association rules

In this paper,the problem of discovering association rules between items in a large database of sales transactions is discussed.and a novel algorithm,BitMatrix,is proposed.The proposed algorithm is fundamentally different from the known algorithms Apriori and AprioriTid.Empirical evaluation shows that the algorithm outperforms the known ones for large databases.Scale-up experiments show that the algorithm scales linearly with the number of transactions.     

多段支持度数据挖掘算法研究

在基于相联规则的数据挖掘算法中,Apriori等算法最为著名。它分为两个主要步骤：（1）通过多趟扫描数据库求解出频繁项集;（2）利用频繁项集生成规则。随后的许多算法都沿用Apriori中“频繁项集的子集必为频繁项集”的思想,在频繁项集Lk-1上进行JOIN运算构成潜在k项集Ck。由于数据库和Ck的规模较大,需要相当大的计算量才能生成频繁项集。AprioriTid算法给每个事务增加了一个唯一标识Tid,其特点是只扫描一趟数据库,其余趟扫描（如第k趟扫描）均在相应的数据集Ck^-上进行。由于数据规模改变不大,各算法的效率差别并不明显。该文提出分段计算支持度的思想,是把一个项集的支持度分段计算,每一个段记录该项集在相应规模事务中出现的频度,从而构成一个支持度向量。由于有了项集的多段支持度,可以推测出该项集能否包含在更大规模的频率项集中,采用这种算法既提高了在扫描数据库中的信息获取度,又能及时剔除超集不是频繁项集的项集,进一步缩减了潜在项集的规模,在数据集扫描过程中,按文中定理1的思想调整数据集,达到提高频繁项集生成效率的目的。     

关联规则挖掘AprioriHybrid算法的研究和改进

分析了关联规则挖掘Apriori、AprioriTid和AprioriHybrid算法的优缺点，针对AprioriHybrid算法的瓶颈提出了一种使用支持度矩阵对频繁2项集快速验证的方法，并给出了一种简单易行，而又高效的逐步缩减交易数据库的方法，加快了对候选频繁k项集的验证速度，从而显著地提高AprioriHybrid算法的效率。     

一种改进的关联规则混合挖掘算法

对数据挖掘技术中关联规则挖掘算法Apriori和AprioriTid进行了分析。首先提出Apriori的改进算法Apriori-New,然后提出基于Apriori-New的混合算法AprioriHybrid。通过实验对比,在由候选项集生成频繁项集的过程中,其时间开销比Apriori和AprioriTid都要小,尤其对于事务数多的大项集,取得了快速挖掘频繁项集的目的。