深度包检测(DPI)技术浅谈及应用

DPI(深度包检测)是一种智能管道的感知技术,随着电信运营商提出"智能管道"的概念,DPI技术在电信网络中的应用越来越广泛。文章介绍了DPI的概念,系统架构有串接、并接和串并一体化方式,系统工作包括数据采集、数据分析、数据统计和控制,主要实现全业务分析与控制、用户行为分析、广告推送等功能,并提出了在电信运营商的应用场景。     

视频传感器网络中面向特定场景的行人检测方法(英文)

Pedestrian detection is one of the most important problems in the visual sensor network. Considering that the visual sensors have limited cap ability, we propose a pedestrian detection method with low energy consumption. Our method contains two parts: one is an Enhanced Self-Organizing Background Subtraction (ESOBS) based foreground segmentation module to obtain active areas in the observed region from the visual sensors; the other is an appearance model based detection module to detect the pedestrians from the foreground areas. Moreover, we create our own large pedestrian dataset according to the specific scene in the visual sensor network. Numerous experiments are conducted in both indoor and outdoor specific scenes. The experimental results show that our method is effective.     

FlowAntEater: network traffic automatic signature generator

In the areas of traffic classification, the payload signature-based classification method–deep packet inspection (DPI) shows the highest performance in terms of preciseness, reliability and practicality. The usual way, however, obtaining signatures for DPI is analyzing network traffic payload and find signatures by hand, which means inefficient and a heavy burden for researchers. Therefore, the research on network traffic automatic signatures generation (NTASG), which helps administrators and researcher find network signatures, becomes important. In this paper, a software framework on NTASG is proposed which uses the K-means cluster algorithm to purity the traffic flow and contains a systematic signatures management algorithm, sig-tree. Also, the feasibility of our design choices was proved via experimental evaluation on the campus traffic trace.     

数据挖掘算法研究

数据挖掘技术是一个不断发现知识的过程。阐述了目前三种流行的数据挖掘算法的理论模型及算法思想,并从算法时间复杂度、依赖条件和误差估计等方面进行了比较分析,说明了不同算法的优势和不足。指出了不同算法的应用前景,提出了一种将不同算法结合以减少误差率,提高算法效率的思路。     

数据挖掘技术在控制器局域网总线中的应用研究

提出了数据挖掘技术在汽车控制器局域网（CAN）总线通信数据中的应用。汽车中的各种电子控制系统通过CAN总线相互连接通信,其中产生的大量报文被存储在日志文件中。首先对CAN总线日志文件的中大量通信数据做预处理,再扩展使用关联分析、分类及聚类分析等方法对处理过的数据进行挖掘,从而找到各条报文之间及报文内部各位或字节之间可能存在的新规律或者关系,为进一步研究CAN总线系统连接的各个控制系统之间的通信提供了帮助。     

基于Web挖掘的层次凝聚类算法研究

网络提供了海量的共享资源,人们需要从网络上搜索出自己感兴趣的信息,由此产生了Web挖掘的问题。Web挖掘就是借用数据挖掘技术来实现的。Web挖掘主要是文本信息的挖掘,本文主要研究了实现文本挖掘的层次凝聚类算法,对于传统的算法存在的问题,提出了改进的算法,研究了相似度值对整个算法过程的影响,设计了一个动态改变相似度值的计算公式。     

基于网络的攻击特征自动提取系统框架设计

文中按蠕虫发展进程研究各种情况下的特征自动提取系统,在对蠕虫特征自动提取技术进行综述的基础上,指出攻击特征自动提取技术存在的不足与发展趋势,并提出了基于网络的攻击特征自动提取系统框架。该框架具有模块清晰、低耦合、易扩展等特点。     

关联规则挖掘与分类规则挖掘的区别和联系

关联规则挖掘与分类规则挖掘是数据挖掘领域中的重要技术。文中首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法及算法的设计思想等几个方面进行比较,最后介绍了它们之间的联系。     

数据挖掘中的数据分类算法综述

在数据挖掘的过程中,使用到很多分类算法,可见分类算法在数据挖掘中占有非常重要的地位。数据分类算法有很多种,各有不同的优缺点,因此,通过对不同算法特性的研究,有助于后期对算法进行相应的改进,确保新的分类算法能够具备更好的实用性能。数据分类算法的性能优良,不仅可以提高数据挖掘的功能性和实用性,还可以确保使用者对算法具备更多的选择性,基于此,对数据挖掘中不同的数据分类算法进行了研究和分析。     

研究生选课与研究课题相关性的研究

针对目前研究生入学自主选课具有一定的盲目性,文章提出了一套基于关联规则的文本挖掘算法,用于研究研究生选课与研究课题之间的相关性,为研究生提供参考信息.首先提出用于计算词语关联度的方案,得出词语之间的关联值,然后提出了一种基于并行结构的相似度计算方法,并将词语关联值用于文档的相似度计算中,得出文档相似度.以数字图书馆作为实验平台,将这一系列的算法用于挖掘课程属性与研究课题属性之间的文档相似度,最终得出与研究课题的相关的课程序列.实验证明,此方案具有一定的可参考性和使用价值.     

结合关联规则与FCM的用户聚类改进

结合关联规则与模糊C均值聚类(Fuzzy C-Means,FCM)进行用户聚类,首先将用户访问事务集构造出页面关联矩阵,以此来计算用户浏览路径之间的相似程度,接着利用FCM算法对用户进行聚类.通过与传统聚类比较的实验证明,此方法是有效的且更符合实际.     

基于Web挖掘的个性化学习系统

随着Internet的深入发展和不断的普及,Web已经成为人们获取信息,进行学习的最重要的手段之一.但是,目前Web系统只为所有用户提供相同的服务,而Web用户的需求却千差万别,用户希望Web系统能够根据他们的不同特性提供个性化的服务.普通的学习系统已经不能适应他们的学习,不能体现他们的个性化.因此,根据他们的不同特性开发个性化的学习系统已变得相当重要.