基于突发事件热度的站点地图构建算法

为确保及时准确地获取监测网站的突发事件网络舆情数据,提出了一种基于突发事件热度的站点地图构建算法。该算法利用突发事件主题词典和改进Shark search算法采集样本网页,在此基础上对目标网站的超链接结构进行数据挖掘,完整构建出含有网站各版块突发事件热度的站点地图。以该站点地图为指导的网页采集器能够及时调整更新频率,准确采集所需网页,较好地适应监测网站的动态变化。实验表明,在站点地图的指导下,突发事件相关网页的采集有效性和效率均有明显提高。     

一种基于粗糙集的决策规则挖掘算法

提出了一种基于粗糙集的决策规则挖掘算法。该算法主要包括属性归约、元组合并、规则提取和规则评估。最后用一个实例说明了算法的有效性。     

基于挖掘算法的信息数据传输安全性检测方法研究

考虑到信息数据传输中,存在易受到外界环境影响导致安全性低、抗干扰性差、信息数据传输延迟长的问题,提出了基于挖掘算法的信息数据传输安全方法。根据信息数据传输结构的层次结构,采用匹配滤波方法对信息数据进行滤波处理,通过设置协调器处理信息数据传输通道,利用数据挖掘算法,完成信息数据传输安全检测。实验结果表明,采用基于数据挖掘算法的信息数据传输安全性检测方法,能够提高检测方法的安全性,缩短传输时延,提高信息数据传输安全性。     

一种基于属性序的决策规则挖掘算法

针对面向领域用户的决策规则挖掘问题,用属性序描述领域用户的需求和兴趣,模拟人脑分辨事物的过程,提出了一种属性序下的分层递阶决策规则挖掘算法.该算法在给定属性序下输出的决策规则集不仅具有唯一性,且对任意待识别样本不会作出矛盾的决策.实例和仿真实验结果表明了算法的有效性和可行性.     

基于信息熵的决策属性分类挖掘算法及应用

在利用判定树进行分类挖掘时,需事先知道属性的分类。对不具体的或未知的属性分类,利用“高类聚、低耦合”原理对属性进行最优分类。在属性分类的基础上,利用基于信息熵的属性期望信息及对应的信息增益理论选择最佳分类决策属性,并按最佳分类决策属性引出分枝形成判定树。该文对属性的最优分类理论及算法进行了描述,并讨论了选择最佳决策属性构造判定树的算法,结合具体应用实例进行了验证并构造了判定树。     

基于关联模式挖掘的决策规则提取方法

在数据挖掘领域,关联规则的挖掘和基于粗糙集理论抽取决策规则是两种截然不同的方法,但在统计意义下两种方法产生的规则基本相同。结合关联规则挖掘方法和粗糙集方法的优点,基于Apriori算法提出一种优化算法,获取具有一定支持度和可信度阈值且不产生冗余的决策规则,以提高粗糙集属性值约简算法的性能。     

非常规突发事件应急决策冲突消解协调方法

针对应急决策冲突性特点和难以形成高一致性决策方案的问题,分析了应急群体决策冲突产生的原因,构建了应急决策冲突消解协调框架,提出了应急决策群体冲突测度方法,以及应急决策冲突消解模型和方法,形成了非常规突发事件应急决策冲突消解协调机制,使应急群决策冲突逐渐收敛以获得冲突程度足够低的应急决策方案。最后通过算例分析验证了冲突消解协调方法和机制的有效性。     

基于案例推理和规则推理的公安突发事件辅助决策算法

为了提高突发事件发生时公安指挥部门处置决策方案的及时性和科学性,本文提出基于案例推理(Case-Based Reasoning, CBR)和规则推理(Rule-Based Reasoning, RBR)的公安突发事件辅助决策算法。算法根据突发事件的级别、类型和突发事件中的具体数据,如伤亡人数等,通过CBR检索出案例库中同级别同类型的最相似案例,再通过RBR对检索案例的结果进行修正优化使之更适用于突发事件的实际情况。最后通过实例成功地验证了该算法。该算法能够为公安应急预案与辅助决策平台的建设提供参考。     

一种改进的非常规突发事件应急决策集结算法

针对非常规突发事件应急决策集结问题,分析了集结过程中的冲突问题,构建了非常规突发事件应急决策集结框架,在集结过程中通过群体冲突程度指标修正决策偏好信息并提出一种改进的非常规突发事件应急决策集结算法,构建应急决策群体冲突程度指标,并通过该指标来修正决策组成员的偏好信息,改善偏好修正时的主观性和随意性问题,最终获得冲突程度能够接受的应急群体决策方案。最后通过算例验证了该算法的有效性。     

基于免疫算法的多维关联规则挖掘方法

关联规则挖掘是一个重要的数据挖掘问题,文章给出了一种基于免疫算法的多维关联规则挖掘算法,算法充分利用了免疫记忆特性,把挖掘的关联规则存入记忆库,加快了关联规则的挖掘速度。实验结果表明该算法具有较好的鲁棒性,能快速、有效地进行全局优化搜索。特别适用于大规模、海量数据库的挖掘。     

相似时间序列挖掘方法

马尔可夫状态转移矩阵描述了随机过程的动态特性，而时间序列可以认为是这一动态特性的外在体现，将二者有效地结合起来为相似时间序列挖掘提供了一种有效的新方法。     

基于数据挖掘算法的入侵检测方法

K-Means 和 DBSCAN算法初始聚类中心的选择对数据挖掘结果的影响较大。针对上述问题,利用信息熵改进初始聚类中心选择方法,提高数据挖掘效率。将改进的K-Means算法与DBSCAN算法结合应用于入侵检测系统,对一个通用检测记录集进行异常检测测试,实验结果证明了该方法的有效性。     

基于小生境遗传算法的关联规则挖掘方法

通过采用惩罚函数设置支持度阈值,有效地解决了规则冗余问题。在小生境遗传算法方面,采用了一种新颖的素因子染色体编码方法并引入了最大频繁项分布表。该编码方法把原来用字符表示的事务转化为用一个整数进行表示,把字符串运算转化为数值运算,将事务数据库属性项压缩为一个数值型的项。通过引入最大频繁项分布表,使算法总是能在最大频繁项密集区进行挖掘,对组合搜索空间进行了有效修剪。实验结果表明,该方法对事务数据库压缩比超过25%,效率至少能提高47%。     

基于KMHC算法的儿童交互角色挖掘方法

在教辅系统使用过程中,儿童角色存在类别数目未知、交互状态调研数据量大、噪音多的问题.为此,提出一种基于K-均值系统聚类融合算法的交互角色挖掘方法.通过数据清理和数据变化预处理初始数据,利用K-均值聚类对角色实现初始聚类,使用动态系统聚类的方法对初始聚类结果进行处理,得到角色的分类结果.实验结果表明,该方法的分类情况较好、效率较高.     

基于遗传算法的数据挖掘维度选择

文章首先介绍了遗传算法和数据挖掘的概念和相关理论,提出了使用遗传算法指导数据挖掘中的维度选择的方法。然后,以实际数据挖掘过程为例,对提出的方法进行了实际验证,取得了较好效果,最后对文章进行了总结并展望了下步工作。     

基于K-Means聚类算法的HDMA数据挖掘方法

为了提高高维混合属性数据挖掘效果,提出基于K-Means聚类算法的高维混合属性数据挖掘方法.通过分析数值型数据和分类型数据相似度,获取高维混合属性数据度量标准,将簇中心点设为簇里点的平均数值或质心,引入最大距离自动生成k值策略与坐标转换策略,优化聚类结果;依据欧几里得距离聚类剩余数据,根据最大间距对应的数据中心点坐标与半径,实现数据集聚类划分;通过判定聚类后数据噪音类别,计算各类别中类异常因子,经过降序排列,挖掘并标记异常数据.仿真结果表明,所提方法对高维混合属性数据具有理想的聚类优势与较好的挖掘稳定性.     

基于遗传算法的长频繁项集挖掘方法

在数据挖掘中,关联规则的挖掘是一项核心内容,且规则的生成主要集中在如何寻找频繁项集上。一般情况下,寻找频繁项集是困难的,且项数越多越难,而最长频繁项集隐含了几乎所有的频繁集,因此,寻找频繁项集就转化为寻找最长频繁项集。文中利用遗传算法的全局最优和海量数据处理性来搜索最长频繁项集,该法只需扫描一次数据库,大大节约了时间。实验也说明了该算法的可行性。     

基于免疫遗传算法的多维关联规则挖掘

关联规则挖掘是数据挖掘中一个很重要的研究课题。文章给出了一种基于免疫遗传算法的关联规则挖掘算法,该算法具有很好的鲁棒性和隐含并行性,能快速、有效地进行全局优化搜索。特别适用于大规模、海量数据库的挖掘。     

基于BP神经网络算法的数据挖掘方法研究

详细介绍了数据挖掘技术的相关概念、任务以及神经网络原理,指出了传统的BP算法在数据挖掘过程中的不足之处,提出了一种变异的BP神经网络算法,大大提高了BP神经网路算法的收敛速度.