MAXSeq: 一个新的最大频繁序列挖掘算法

最大频繁序列发现是数据挖掘中的一个重要分支．本文提出一种发现最大频繁序列集的算法MAXSeq，该算法通过对潜在的最大频繁序列进行选择性的扩展，直接判断其是否为最大序列，无须对候选最大序列进行维护，从而显著减小了存储开销．同时，优化策略的恰当运用对降低CPU时间起着至关重要的作用．     

Ad Hoc入侵检测监视节点的自适应选择算法

提出一种监视节点基于事件触发机制的自适应选择算法(ETBAS),引入监视节点的监视状态,通过事件触发使非监视节点进入唤醒状态进行入侵检测,或使监视节点进入睡眠状态停止入侵检测。触发事件包括相邻节点的推选、节点能源低于某个阈值、网络拓扑结构的变化等。ETBAS具有自适应性,无论监视节点离开网络还是新节点进入网络,通过与相邻节点的信息交互,都能实现局部网络监视节点的自动更新。     

基于在线聚类和检测成本的移动自组网异常检测

移动自组网具有无线信道、动态拓扑、缺乏基础设施和节点资源受限等特点,更易受到安全威胁,且无法部署复杂的安全协议和算法.为了有效检测移动自组网中的异常访问行为,提出了一种基于在线聚类和检测成本的异常检测方案TCDC.TCDC先在单个节点内对访问行为进行在线聚类和处理,然后在不同节点间通过基于检测成本的协同检测进一步确认访问行为.仿真实验表明,该异常检测方案能够有效地检测移动自组网中的异常行为,且消耗资源较少.     

传感器网络中基于多级选举的非均匀簇头选择算法

为了节省和平衡网络中簇头的能耗,提出了一种基于多级选举的非均匀簇头选择算法MSEBNECHSA。该算法首先通过空间虚拟网格、簇头和Sink构成的三级选举机制构造网络候选簇头的能量分布图,然后采用基于候选簇头能量和距离的模拟退火算法,使网络中簇头的竞争范围随着到Sink的距离远近而相应从小到大非均匀分布。仿真实验表明,该算法能够以较低的能量成本将网络中的节点有效分簇,并且平衡网络中的能量消耗。     

序列模式挖掘的并行算法研究

序列模式在许多领域都有着重要的应用,大量的数据和模式需要高效的、可扩展的并行算法.针对目前序列模式挖掘算法存在的普遍问题,提出了一个适合无共享并行环境下的算法PMSP,有效地解决了存储受限以及时效性问题,并将它与当前相对较优的并行算法HPSPM做了比较,实验表明PMSP是有效的.     

“数据结构”课程理论教学与实践教学的统一性研究

本文分析了"数据结构"课程教与学过程中存在的问题以及问题产生的原因,分别从管理层、教师层以及学生三个层面有针对性地给出了可能的解决方案。     

迷宫算法的一种改进算法及其在"连连看"游戏中的应用

摘要设计一个算法High Edition，该算法基于已有的迷宫算法，通过引进两个变量以控制转弯（即改变方向）的次数，比较容易实现带有限制路径的查找，并将之成功应用到了游戏“连连看”中，解决以往在该游戏中寻找路径时要进行多重查找而使问题复杂化的难题，不仅如此，还使编写连连看游戏的程序代码变得简单、明了。     

传感器网络中一种基于一元线性回归模型的空时数据压缩算法

针对传感器网络中节点采样数据的空间和时间冗余特点以及节能要求,该文提出了一种基于一元线性回归模型的空时数据压缩算法ODLRST。ODLRST先在每个节点内进行消除时间冗余的数据压缩,再在节点汇集处对来自不同节点的数据消除空间冗余以进一步压缩数据。仿真实验证明,ODLRST能够极大地减少节点发送的数据量和网络中的通信流量,节省并平衡网络中的能量消耗。     

基于异常检测的模糊行为序列挖掘算法研究

异常检测是入侵检测的一种重要手段, 异常检测的关键在于正常模式的刻画, 而正常模式的质量取决于数据的质量。对于纯净( 不带噪声) 的数据, 正常模式的准确度相对较高; 对于不太纯净的数据, 就有可能丢掉某些真正的用户特征, 从而会增加误警率。基于此提出了一个ASM 用户行为序列特征挖掘算法, 该算法结合数据挖掘中的序列挖掘方法, 利用模糊匹配技术来挖掘隐藏在噪声背后的用户行为序列。实验表明, 采用模糊匹配技术为入侵检测提取正常序列模式是可行的、有效的。