乱序RFID数据流上的复杂事件检测方法

针对发生时间戳乱序的RFID原子事件流,文章提出了一种新的复杂事件检测方法.该方法采用在一种特殊的Hash表结构中进行局部排序的方法来解决时间戳乱序问题.文中首先建立了时间戳乱序问题的描述模型;提出了面向时间戳乱序数据流的复杂事件检测算法;在基本算法的基础上添加了基于双时间槽的滑动窗口处理;对Hash表大小等参数对算法效率的影响、基于双时间槽的滑动窗口处理方法的效果进行了实验验证.实验结果表明:算法是有效的;Hash表大小对算法效率影响较为明显;基于双时间槽的滑动窗口处理方法可以显著提高内存使用效率.     

基于HOG特征的优化区域模板匹配检测

针对HOG算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.     

基于改进码本模型的视频运动目标检测算法

针对经典码本模型对动态背景适应能力不足及更新算法效率不高的问题,提出了一种用快速冒泡排序和短时滑动窗口改进的码本模型。为了优化码本结构,提高活动码字首次匹配成功概率,设计了一种快速冒泡排序算法对模型码本中码字位置进行快速排序;为了实现像素的均值及偏差的快速跟踪,设计了一种短时滑动窗口算法对像素变化信息进行存储,解决了动态背景的模型自适应问题。实验表明,改进后的算法能够有效适应复杂环境下的背景变化,且具有良好的检测精度和实时性能。     

基于滑动窗口数据流频繁项集挖掘模型综述

给出了频繁项集和滑动窗口的相关定义,根据数据流中不同的时序范围对数据流模型进行了分类,从数据处理模型的角度对滑动窗口进行了分类。分析了典型的频繁项集挖掘算法中滑动窗口的使用方法,总结了各模型中典型频繁项集挖掘算法的挖掘技术和效率。     

结合视觉显著性和空间金字塔的遥感图像机场检测

提出一种结合视觉显著性和空间金字塔的遥感图像机场检测方法,首先根据改进的直线段检测算法对滑动窗口进行目标存在初步判断,只对可能含有目标的窗口按照空间金字塔表示方法提取该窗口中每一图像子块的稀疏编码,利用基于视觉显著性的特征抽取策略形成表征滑动窗口的全局特征向量,然后对该特征向量进行分类判别,得到滑动窗口含有目标的置信值,最后采用非极大值抑制完成机场检测。实验结果表明,该机场检测方法相比其他方法检测效率显著提高,并且具有识别率高、虚警率低的特点。     

一种新的H.264/AVC帧内编码快速算法

针对H.264/AVC帧内编码算法采用率失真优化(RDO)算法提升编码性能导致运算复杂度增加这一问题,提出了一种新的帧内编码快速算法。该算法采用待预测块的纹理方向误差值判断待编码块的纹理特征,结合相邻块的预测模式相关性减少须遍历预测模式的数量,并结合全零块检测的提前终止判定准则加快编码速度。实验结果表明,与标准算法相比,该算法在保证输出码率和图像质量基本不变的情况下能够将帧内编码时间减少约67.2%,显著提高了H.264的帧内编码效率。     

基于同伦算法的时变流信号动态压缩感知研究

为了解决传统压缩感知在处理时变流信号时易引发的效率低下、块效应、延迟高等问题,本文提出了基于L1同伦恢复算法的时变同伦算法,且以医学领域的时变心电信号为例充分证明了该算法的实践可行性。该算法通过对重叠的信号时间采集窗口的滑动控制,压缩采样当下窗口中的待测数据并用L1同伦恢复算法实时恢复出原信号。仿真表明,该算法能够快速实时地压缩采样并精确重构时变的心电信号,其重构信号的相对误差控制在10-2范围内,能有效地解决存储庞大的动态心电图数据的难题。     

基于改进CDC的实验原始记录匹配算法

针对当前实验室检测报告的生成过程存在时间长和易出现偶然性差错等问题,提出基于栅栏因子的通用实验原始记录文件自动抓取技术．先通过计算文件整体hash值准确过滤当日已读取文件,再使用改进的内容可变长度分块（content-defined chunking,CDC）算法进行文本分块．该CDC算法改进之处主要体现在：设定滑动窗口下一单位为行与行间距之和的高度以及滑动窗口内字节大小的范围．待文本分块结束后,使用基于数据块索引的字符串匹配算法完成匹配．该字符串匹配算法结合数据块索引表构建模式串与数据块的映射关系,之后由模式串Pn通过数据块索引表快速匹配到相应数据块．使用海关实验室的实验原始记录文件进行测试,实验证明,该算法的内存占用量少且分块吞吐量更大．     

一种基于单序列的序列模式挖掘方法研究

在前期研究工作的基础上,研究在单序列中序列模式的概念,讨论了相关的性质,这些概念和性质与多序列情况有很大的不同.在此基础上给出了在单序列中基于滑动窗口概念挖掘序列模式的方法及相关算法,为进一步研究序列模式及其挖掘算法提供了一定的理论基础.     

基于滑动窗口挖掘数据流高效用项集的有效算法

现有的基于滑动窗口挖掘高效用项集的研究方法存在:候选项集通常数量巨大,需要大量的存储空间及计算候选项集的真实效用是非常耗时的问题。本文提出一种不生成候选项集的挖掘算法HUISW(high utility itemset mining over a siding window),HUISW采用一种新的树结构HUIL-Tree(high utility itemset tee which arranges items according to lexicographic order)存储滑动窗口中的项集信息,采用效用数据库存储项集在窗口事务中的效用信息,在挖掘过程中HUISW采用模式增长的方法对由HUIL-Tree生成的项集通过其与效用数据库的对应关系,直接计算其在滑动窗口中的效用,整个过程避免了候选项集的生成。在实验中通过由稀疏和稠密数据集模拟的数据流对HUISW进行性能评估,并与同类算法SHU-Growth(siding window based high utility growth)进行比较,实验结果表明HUISW显著优于SHU-Growth,运行时间最快可提升两个数量级。     

挖掘电信告警关联模式方法

关联模式挖掘算法通常受到最小支持度的限制,仅能得到频繁告警序列间的关联模式,针对这一问题,基于图论思想提出了一种挖掘电信网络告警间关联模式的方法.首先在单遍扫描数据库的条件下挖掘网络中的二项关联模式,然后直接发现其最大关联模式,从而避免大量中间项集的产生. 基于实际网络告警数据的实验结果表明,该方法不仅具有较高的效率,而且有效.     

一种新的入侵检测方法

随着Internet网络的快速普及,针对计算机及网络基础设施的攻击已经成为了一个越来越严重的问题.针对入侵检测技术提出了一种基于敏感时间滑窗的检测算法STSW,扩展了数据挖掘在入侵检测中的应用.以KDD CUP99作为实验数据研究了参数的选取对检测效果的影响,将该算法的执行效率与基于SPADE挖掘序列模式的入侵检测算法进行了对比.结果表明:入侵检测算法可以取得比较满意的检测效果,并且执行效率要优于基于SPADE的入侵检测算法.     

一种基于相关度统计的告警关联规则挖掘算法

挖掘告警序列间关联规则的算法都受到最小支持度的限制，仅能够得到频繁告警序列间的关联规则. 对此，提出了一种以高相关度、高置信度为条件，通过聚类找到特征相同的网元告警群，然后基于相关度统计的挖掘算法. 实验结果表明，该算法可以高效、准确地挖掘出电信网络告警数据库中频繁和非频繁告警序列间的关联规则.     

基于数据挖掘的入侵检测系统检测引擎的设计

针对一种多点检测集中决策的入侵检测系统检测引擎的设计方案,提出了其基本检测引擎的实施策略．该策略将滑窗技术运用于数据挖掘算法,大大提高了检测效率及检测准确度．给出了对数据挖掘算法Apriori的改进思想,改进后的算法不需要频繁搜索数据库中所有的项,并且由频繁(n-1)-谓词集连接生成候选n-谓词集时不连接具有相同谓词的项,又一次大大减少了下一次搜索的项数,依次形成良性循环．测试结果表明改进后的算法在很大程度上能提高算法的效率并且更适合网络数据的挖掘．     

数据挖掘技术在高校学生就业指导决策中的运用

高校学生的招生、就业等信息数量庞大，表目繁多，对这些数据有效地进行预处理，并进一步挖掘以获得有利于高校教学管理决策和毕业生就业指导的有用信息，具有重要意义.以沈阳市某高校学生招生就业数据为基础，建立了一个基于学生信息的关联规则挖掘系统，并对其中的Apriori算法进行优化，同时对由频繁项集生成关联规则的算法给予改进，挖掘结果中产生了大量有益信息，通过实际检验，该优化算法能避免大量无意义关联规则的产生并提高挖掘效率.     

面向5G海量网管数据的故障溯源技术

针对第5代移动通信系统（5G）环境下海量网管数据溯源难、关联挖掘冗余度大的问题,结合时间约束、滑动时间窗和分类层次技术,提出了一种基于网络拓扑的时序告警关联挖掘算法.该算法可以有效缩减候选集,实现对海量网管数据高效压缩和快速溯源.仿真结果表明,改进后的故障溯源候选集在拓扑上具有实际关联性,对比其他关联算法更有效.     

增量式频繁闭合序列挖掘算法

在许多场合挖掘频繁闭合序列时,输入串数据库呈现实时动态增长的特点.分析Bide算法,给出并证明了闭合序列前缀中任意一个项目的后向扩展事件（BEE）项目交集随前缀的生长单调不增的定理,据此对BEE累计操作进行了优化,使其性能平均提高了48%.定义了闭合序列树作为频繁闭合序列的表示形式,并阐述了它的3个性质.分析发现,当新增输入串不同时包含前缀串和频繁项目时,两次连续挖掘的结果是相同的,给出了相应的定理和证明,据此实现了增量式频繁闭合序列挖掘算法BideInc.实验验证了BideInc算法的正确性,使用该算法后挖掘性能平均提高了47%.     

一种面向数据流的频繁项集挖掘算法

与传统静态数据库中的数据不同,数据流是一个按时间到达的有序的项集,这使得经典的频繁项集挖掘算法难以适用到数据流中．根据数据流的特点,提出了数据流频繁项集挖掘算法FP—SegCount．该算法将数据流分段并利用改进的FP—growth算法挖掘分段中的频繁项集．然后,利用Count Min Sketch进行项集计数．算法解决了压缩统计和计算快速高效的问题．通过和FP—Ds算法的实验对比,FP—SegCount算法具有较好的时间效率．     

一种有效的通信网络告警分析方法

以往大多告警分析研究都是假设通信网络中所有告警是平等的,考虑此假设的不合理性,提出了一种加权告警分析方法。首先,根据告警对网络的影响程度,采用熵值法为不同的告警分配不同的权值,并将其转换成适合于数据挖掘的序列数据集;然后,设计了一种加权告警序列模式挖掘算法,并采用了一种新颖的剪枝策略来缩减需要挖掘的数据集大小以提高算法的效率;最后,利用该算法挖掘告警数据中的时序关系。实验结果表明,这种加权告警分析方法在剪枝效果、挖掘重要告警序列模式和执行效率方面具有很好的性能。