社会网络分析和社团信息挖掘的三项探索——挖掘虚拟社团的结构、核心和通信行为

社会网络分析是数据挖掘的新热点。文中综述了社会网络分析研究动态，介绍了作者近期在社会网络挖掘方面的三项探索，包括:（a）虚拟社团的结构挖掘，讨论了初始社团生成、权重计算，社团树生成和社团结构挖掘算法。(b) 基于六度分割和最短路径社团核心成员挖掘，讨论了计算节点间的最短路径，根据六度分割定理的剪枝，基于SPLINE算法和中心度挖掘犯罪子团伙中的核心的技术。(c)基于用户属性的通信行为挖掘，讨论了用户个性和通信行为关系的量化描述，采用911事件解密数据来建立社会网络，用于模拟恐怖分子间邮件的收发。  

基于个性特征仿真邮件分析系统挖掘犯罪网络核心

数据挖掘应用于犯罪集团或恐怖组织社会网络分析是一种新兴的研究方法,国内外在分析犯罪和恐怖组织之间通信行为方面的研究工作亟待深入.为了模拟社会网络中个体利用电子邮件进行通信的规律,设计了一种基于个性特征的仿真邮件分析系统MEP,提出一种利用个性特征判别矩阵计算个性特征矢量各个维度权重的新方法,借助符合用户个性特征的正态分布模型模拟真实的邮件通信行为.为了挖掘犯罪网络的核心成员,提出了一种基于社会网络分析挖掘犯罪组织核心成员的算法CNKM(Crime Network Key Membermining),并利用时间序列分析方法对邮件的收发规律进行深入分析,发现异常通信事件.实验证明了该文提出的仿真邮件分析系统的有效性和实用性,模拟邮件通信的平均误差小于10%,并验证了CNKM算法的有效性.  

基于基因表达式编程挖掘中医方证关系

为解决中医方-证关系的函数挖掘的特殊困难，提出了基于基因表达式编程的新方法。针对中医学方证数据的特点提出结构简单、高效，占用空间少的主次分离指针编码。提出基于罚函数的单方适应度值计算和基于相似度的中医学症状组平均相似度函数，实现了基于基因表达式的方证关系函数发现算法MRAGEP,获得了一个方证函数，不但有很好的精度， 而且符合中医主次证原理，可解释性好。实验证明了算法的正确性和有效性，正确率达到了62.5％。  

基于重叠表达的多基因进化算法

受生物基因片段重叠表达现象的启发,文中提出了一种新的基于重叠表达进化算法--MEOE(Multigene Evolutionary algorithm based on Overlapped Expression).文章具体描述了MEOE的基因表达结构及相应的算法.不同于已有的工作,在MEOE中作为遗传物质的基因具有重复表达的概率,同时算法融合了免疫算法关于浓度的计算技术.文章对MEOE算法作了较为全面的分析,讨论了算法在表达空间、可表达性、性状遗传上的特点,并与传统算法作了相应比较.详尽的实验证明,MEOE算法在速度上是GEP的2.5～9.4倍.在高次函数发现问题上MEOE算法的成功率比GEP提高至少一个数量级.另外,通过实验证明了基于密度的概率选择函数在高次函数发现问题上具有一定优势.  

一种基于层次距离计算的聚类算法

针对广泛存在的层次编码型数据类型,提出了层次距离的新概念,证明了相关的数学性质,并在此基础上提出并实现了新的基于层次距离计算的聚类算法HDCA(Hierarchy Distance Computing based clustering Algorithm).新方法克服了传统聚类算法标称型计算的缺陷,提高了聚类精度.针对聚类算法的中心点问题,提出了相应的层次编码型数据的快速处理算法,并从理论上证明了算法的正确性.实验表明,对比朴素处理算法,HDCA的性能明显提高.新算法已经应用到警用流动人口分析当中,取得了良好效果.  

基于中性突变的朴素基因表达式编程

分子进化中性学说认为生物的进化主要是由中性突变决定的.基因表达式编程(GEP)是一种将基因型和表现型分离的新的进化模型,其突出表现在基因组存在不被表达的中性区.基于朴素基因表达式编程(NGEP)模型研究了NGEP中性区在进化中的作用.主要工作包括:1)进一步完善了基于完全树编码方案的NGEP模型的概念;2)分析了传统GEP和NGEP的基因中性区域特点,指出NGEP存在更自由灵活的中性区域;3)通过控制基因长度和基因数量,调控中性区的大小和数量,研究了NGEP和传统GEP的中性区域在进化中的特殊作用,验证了NGEP的有效性;4)实验表明,在存在相同适度的中性区域条件下,NGEP比传统GEP进化更有效,且NGEP的成功率随中性区域的增加不会发生剧烈变化.  

基于概念邮件系统的犯罪数据挖掘新方法

将数据挖掘技术应用于反犯罪和反恐怖是目前各国安全部门的研究热点。目前国内在分析犯罪和恐怖团伙之间联系行为等方面的研究工作有限。本文主要做了下列探索：（1）建立了一个可用的基于邮件用户个性特征和情报属性的概念仿真邮件系统CEM（Conceptual based EMail system），模拟潜在的犯罪和恐怖组织利用电子邮件进行通信的规律；（2）利用符合个性特征和情报属性上的正态分布，模拟真实的邮件进行数据的收发；（3）使用社会网络分析和时间序列分析方法对邮件通信量进行深层次分析，挖掘有意义的邮件通信模式，进而发现异常通信行为；（4）通过实验证明CEM系统具有很好的鲁棒性和伸缩性，可以准确地模拟大量用户的邮件收发，解决了目前仿真数据不足的缺点，并用于发现不同性格特征群体收发邮件的规律。  

移动电子拍卖系统加密和签名特殊技术

在实现安全的移动电子拍卖系统的实践经验基础上，分析了系统的安全性需求，介绍了移动电子拍卖系统加密和签名特殊技术，包括密钥的生成、存储和更新，服务器端对SOAP消息的加密、解密以及自签名证书密钥模型，客户端加密引擎和签名引擎的实现。该系统可以成功地移植到移动设备中，提高了无线Web服务的安全性。  

基于R-Tree的高效异常轨迹检测算法

提出了异常轨迹检测算法,通过检测轨迹的局部异常程度来判断两条轨迹是否全局匹配,进而检测异常轨迹.算法要点如下:(1) 为了有效地表示轨迹的局部特征,以k个连续轨迹点作为基本比较单元,提出一种计算两个基本比较单元间不匹配程度的距离函数,并在此基础上定义了局部匹配、全局匹配和异常轨迹的概念;(2) 针对异常轨迹检测算法普遍存在计算代价高的不足,提出了一种基于R-Tree的异常轨迹检测算法,其优势在于利用R-Tree和轨迹间的距离特征矩阵找出所有可能匹配的基本比较单元对,然后再通过计算距离确定其是否局部匹配,从而消除大量不必要的距离计算.实验结果表明,该算法不仅具有很好的效率,而且检测出来的异常轨迹也具有实际意义.  

基于树编辑距离的层次聚类算法

为了识别犯罪嫌疑人伪造和篡改的虚假身份,利用树编辑距离计算个体属性相似性,证明了树编辑距离的相关数学性质,对属性应用层次编码方法,提出了一种新的基于树编辑距离的层次聚类算法HCTED(Hi-erarchical Clustering Algorithm Based on Tree Edit Distance)。新算法通过树编辑操作使用最少的代价计算属性相似性,克服了传统聚类算法标称型计算的缺陷,提高了聚类精度,通过设定阈值对给定样本聚类。实验证明了新方法在身份识别上的准确性和有效性,讨论了不同参数对实验结果的影响,对比传统聚类算法,HCTED算法性能明显提高。新算法已经应用到警用流动人口分析中,取得了良好效果。