Association Rule Mining for Continuous Attributes using Genetic Network Programming

Most of the existing association rule mining algorithms are able to extract knowledge from databases with attributes of binary values. However, in real‐world applications, databases are usually composed of continuous values such as height, length or weight. If the attributes are continuous, the algorithms are commonly integrated with a discretization method that transforms them into discrete attributes. Discretization is a process of transforming a continuous attribute value into a finite number of intervals and assigning each interval into a discrete numerical value. However, the user most often must specify the number of intervals, or provide some heuristic rules to be used while discretization, and then it is difficult to get the highest attribute interdependency and at the same time get the lowest number of intervals. In this paper we present an association rule mining algorithm that is suited for continuous valued attributes commonly found in scientific and statistical databases. We propose a method using a new graph‐based evolutionary algorithm named ‘genetic network programming (GNP)’ that can deal with continuous values directly, that is, without using any discretization method as a preprocessing step. GNP represents its individuals using graph structures and evolves them in order to find a solution; this feature contributes to creating very compact programs and implicitly memorizing past action sequences. In the proposed method using GNP, the significance of the extracted association rules is measured by the use of χ² test, and only important association rules are stored in a pool all together through generations. Results of experiments conducted on a real‐life database suggest that the proposed method provides an effective technique for handling continuous attributes. Copyright © 2008 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Fuzzy intertransaction class association rule mining using Genetic Network Programming for stock market prediction

Intertransaction class association rule (interCAR) has the ability to find the relationships among attributes from different transactions, which has shown its effectiveness for stock market prediction. A crisp interCAR mining method based on Genetic Network Programming (GNP) has been studied in our previous work. But, the crisp method loses much useful information in the discretization and it has many unstable factors influencing the prediction results, so more information is desired in order to make the prediction safer and more efficient. In this paper, a fuzzy interCAR mining method is proposed to keep as much information as possible in the data transformation. Besides, the proposed method has ability that the trading actions bring large profits. The proposed method is applied to Tokyo Stock Exchange, where we compared it with the crisp method as well as some other methods. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于复合分类器的网络入侵检测模型

为提高国家电网网络入侵检测中攻击分类问题的准确度,提出一种基于复合分类器的入侵检测模型。复合分类器由核主成分分析、量子遗传算法和前馈（back propagation,BP）神经网络组合而成。复合分类器先使用核主成分分析将高维数的原始数据降维,降维后的数据再通过BP神经网络训练生成分类模型,其中BP神经网络的参数通过量子遗传算法优化得到,最后使用分类模型对待测样本做精确入侵检测分类。与传统入侵检测算法相比,基于复合分类器的入侵检测模型更准确。     

基于决策树的快速入侵检测方法

分析了C4．5算法的基本思想，并提出了改进的方法，实验结果证明，该方法可为入侵检测系统生成有效的决策树．     

基于网络入侵防御技术的互联网接入安全加固

在对互联网接入网络拓扑结构、业务流量、安全风险进行分析的基础上,引入入侵防御技术并制定针对不同业务流的监控模式,有效提高了信息网络互联网接入的安全性和可靠性,为建立电力信息安全体系提供了新的思路。     

基于网络入侵防御技术的互联网接入安全加固

在对互联网接入网络拓扑结构、业务流量、安全风险进行分析的基础上，引入入侵防御技术并制定针对不同业务流的监控模式，有效提高了信息网络互联网接入的安全性和可靠性，为建立电力信息安全体系提供了新的思路。     

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。     

基于协同技术的入侵检测研究与应用

根据江苏电力二次系统安全防护实际施工经验,介绍了入侵检测系统(IDS)的框架与构建,并给出数据采集协同、数据分析协同和响应协同3种IDS的协同,阐述了IDS协同的设计,指出多方位协同的必要性,并详细给出了入侵检测协同技术的可行性依据和实施的技术要素,得出IDS等安全设施的合理部署能保护电力监控系统的安全,保证相关业务系统运行可靠数据准确的结论。     

基于多最小支持度的增量式关联规则挖掘算法研究

在传统的Apriori关联规则挖掘算法分析基础上,针对目前多最小支持度和增量式关联规则挖掘的局限性,提出基于多最小支持度的增量式关联规则挖掘算法。该算法适用于事务出现频率一致及不一致的情况,利用多最小支持度能挖掘出更有意义的结果;同时,该算法还能实现事务数据不断增加时的数据挖掘,提高了挖掘的效率。应用电力客户信用数据库进行实验的结果表明,改进算法能有效挖掘出稀有项,分析出潜在的信用风险客户,对电力客户信用评价具有辅助决策作用。     

电站关联规则的主元分析挖掘方法及传感器故障检测

提出了基于主成分分析的相似关联规则的数据挖掘方法,并利用最小二乘支持向量回归方法对传感器进行故障检测。通过主成分分析寻找具有相似关联规则的参数,利用参数间的相似关联关系,建立最小二乘支持向量回归模型,通过该模型生成残差对传感器进行状态监测和故障定位,并对故障数据进行重构,代替故障数据。通过某300 MW机组数据实例分析,表明该方法能准确快速地寻找具有较高相似关联规则的参数,并能给出可信的重构数据,具有一定的实用性。     

电力系统暂态稳定评估的关联规则挖掘

根据IEEE16 机系统进行暂态稳定仿真, 首先对经典k- means 算法和模糊聚类FCM算法比较分析, 确定聚类个数并选择效果较好的FCM算法进行聚类, 找出候选离散断点, 再结合信息熵理论确定最终离散断点, 然后将连续数据离散化到各个离散区间中, 映射为连续的数字标识, 找出暂态稳定特征属性之间以及特征属性与暂态稳定属性类别之间的关联关系, 最后对挖掘出的规则进行分析研究, 从而对电力系统进行暂态稳定评估。     

电力信息网络入侵检测中BM改进算法研究

分析了在电力信息平台中引入入侵检测技术的安全需求,介绍了Snort入侵检测系统的结构和工作流程,指出了字符串匹配算法的效率对于提高Snort系统性能的重要性。在此基础上,对Snort系统中的BM单模式匹配算法进行深入研究,提出了BM改进算法。改进算法分析了当前比较字符串的末字符及其后继字符唯一性、关联性,实现了模式串的较大向右跳转距离。在Snort系统中对改进算法进行了验证,实验结果表明,改进算法有效地提高了入侵检测的效率。     

Acquisition of optimal attribute subset through genetic algorithm using GNP‐based class association rule mining

Attribute selection is a technique to prune less relevant information and discover high‐quality knowledge. It is especially useful for the classification of a large database, because the preprocessing of data increases the possibility that predictor attributes given to the mining algorithm become more relevant to the class attribute. In this paper, a method to acquire the optimal attribute subset for the genetic network programming (GNP) based class association rule mining has been proposed, and this attribute selection process using genetic algorithm (GA) leads to a higher accuracy for classification. Class association rule mining through GNP is conducted with a small subset of data rather than the original large number of attributes; thus simple but important rules are obtained for classification while the local optimal problem is avoided. Simulation results with educational data show that the classification accuracy is largely improved from 52.73 to 74.54%, when classification is made using the optimal attribute subset. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

采用改进最小闭包球向量机的电力信息网络入侵检测方法

为降低电力信息网络入侵检测的检测误差和检测耗时,提出一种基于改进最小闭包球向量机(minimum enclosing ball vector machine,MEBVM)的入侵检测方法。该方法将入侵检测抽象成多分类问题,通过改进MEBVM对历史数据样本的训练学习来得到入侵检测模型。改进MEBVM利用最小闭包球降低检测耗时,并在训练过程中利用粒子群优化算法动态搜索MEBVM的最优训练参数以降低入侵检测模型误差。最后基于电力信息网络现场数据的实验证明,该方法与传统方法相比具有更高的检测精度和更少的检测耗时。     

一个不需要候选集的挖掘关联规则算法的研究

挖掘关联规则是数据挖掘中的一个重要课题。针对挖掘关联规则典型算法中的某种不足，介绍了一个不需要产生候选集的挖掘关联规则的算法FP－tree。经过深入研究，对它进行了分析和评价。     

基于遗传规划的协调控制系统控制器设计

根据大型火电机组的协调控制系统被控对象的特性,提出了一种基于遗传规划的控制器设计方法。该方法不同于传统的多变量控制器设计方法,将多变量控制问题转化为多个单变量控制问题来考虑,而是通过遗传规划算法直接搜索适合于协调控制被控对象的最优控制律,从而使得闭环对象具有良好的控制品质,满足现场高质量的要求。并且采用遗传规划算法还可以得到适用于同样对象的PID控制器,也具有很好的控制品质,通过对两种控制器的控制效果进行比较,进一步说明遗传规划算法在控制器设计上的可行性。     

基于FP增长挖掘模型的全社会行业用电关联规则分析

针对全社会行业用电量分析预测的难题,文章提出了将数据挖掘领域中的FP增长模型应用于国家电网公司行业用电分析预测活动中,通过对模型的灵活运用,完成了对全社会行业用电关联规则分析。为国家电网公司各级管理人员,更准确地掌握各行业间用电量变动的相互影响,从而更有效地安排生产、开展输配电工作提供有力的帮助。     

基于数据挖掘的电厂优化运行

为有效提高电厂运行的经济性、解决电厂节能的迫切需求,介绍了基于数据挖掘的电厂运行优化方案。对比现阶段的电厂运行优化采取的措施,体现了数据挖掘方法的巨大优势,同时也指出了数据挖掘指导运行优化的不足。     

基于决策支持系统的配电网优化规划

开发了基于决策支持系统的配网优化规划软件包, 具有系统规划、方案分析、方案决策、方案绘图和数据库管理系统等功能。静态规划建立了混合整数规划模型, 利用基于线性规划换基运算的支路交换法有效地求解该模型。动态规划, 采用临界可行匹配算法和伪动态匹配法在全临界匹配空间找到最优化动态决策。采用支路自动分解、最优乘子的快速分解法潮流计算, 收敛性好、速度快、占内存少。算例说明该软件包适用于大规模配电网规划, 使用方便灵活     

基于关联规则的XLPE电缆局部放电模糊识别研究

本文将关联规则挖掘与模糊推理方法应用到XLPE电缆的局部放电模式识别中,采用竞争聚类方法划分区间以离散化特征,通过关联规则法挖掘特征间的相互关系来提取分类规则,进而将这些规则模糊化用于模式识别。该方法能有效挖掘出各特征参数与缺陷类型的潜在规则,对局部放电的模式识别和电缆绝缘故障诊断具有极大的参考价值。本文针对几种典型的XLPE电缆局放数据,提取相关的统计特征参数,采用该模式识别系统进行分类,并与多层感知神经网络、决策树C4.5等方法识别的结果进行对比分析。实验结果表明该算法提出的规则具有识别率高、识别速度快、解释性好和区间可动态划分等特点,提供了一种局部放电模式识别新的可行方案。