多速率混合系统的模型检查

研究了初始化的多速率混合系统的模型检查问题,即检验初始化的多速率自动机是否满足某个混合区间时序逻辑公式描述的性质．首先定义了一套转换规则把混合区间时序逻辑公式转化为区间时序逻辑公式．接着定义了初始化的多速率自动机状态空间上的等价关系及其对应的域自动机,并且通过构造域自动机对应的标注有限状态自动机,把初始化的多速率混合系统的模型检查问题等价地转换成了可解的区间时序逻辑的模型检查问题．利用区间时序逻辑的模型检查算法加上上述的转换规则,就可以解决初始化的多速率混合系统的模型检查问题．     

区间时序逻辑的模型检查

为了检验标注有限状态自动机描述的系统是否满足某个区间时序逻辑公式刻画的性质,定义了一套转换规则．利用这些规则,可以构造一个chop-自动机,该自动机接受的语言恰是所有满足这个区间时序逻辑公式的模型的集合．同时,定义了一套转换规则把一个chop-自动机转换为一个标注有限状态自动机,使得它们接受相同的原子命题序列集．这样,区间时序逻辑的模型检查问题就等价地转换成了很容易解决的两个标注有限状态自动机的语言包含问题．     

基于稠密时间的实时系统模型检测的一个应用

模型检测是一种用于并发系统性质验证的算法技术。实际生活中广泛应用的是带有时间约束的并发系统即实时系统，现在模型检测技术越来越被广泛地应用到这类系统的性质验证当中。这类系统通常用时间自动机来表示，而它们的性质则用时序逻辑公式表示。本文简要介绍了时间自动机和时序逻辑TCTL，并着重说明了如何进行基于稠密时间的实时系统的模型检测，最后给出了一个应用实例。     

基于有限状态自动机的黑白数字图像表示方法

提出了一种用有限状态自动机（FA）来描述黑白数字图像的方法。对一幅给定的黑白数字图像,可以用正则语言来表示它的像素地址,反之,任一正则语言也可以表示为一幅黑白数字图像,即正则语言与黑白数字图像可以相互转化。而由自动机理论原理知,正则语言可以用有限状态自动机等价描述,从而得到用有限状态自动机来描述黑白数字图像的方法。这样就建立了图像与自动机理论这两门学科之间的联系,也为用自动机进行图像压缩奠定了基础。     

基于自扩展时间窗的告警多级聚合与关联方法

针对传统告警聚合与关联方法在合理性和准确性上的不足,提出了基于多级划分思想的告警聚合方法和基于马尔可夫链模型的告警关联方法。首先,使用入侵检测消息交换格式来描述网络告警,利用告警的时序接近关系进行时间窗口的自动扩展,将时间间隔小于预设阈值的告警划分到同一个时间窗内;进而,分别根据攻击类型、时间窗口、子网掩码、IP地址和端口信息依次划分告警,利用属性匹配方法进行子网级、主机级和服务级聚合,有效聚合攻击者利用同一路由器、傀儡主机或服务端口实施攻击而产生的相似告警;在此基础上,利用1阶马尔可夫链模型生成告警关联图,将攻击类型间的条件转移概率作为关联图的有向边,并利用告警的时序紧邻关系计算出攻击类型间的转移概率。实验中,利用入侵检测系统Snort的最严格模式处理DARPA2000流量数据,得到LLDoS1.0攻击场景所对应的入侵告警集合;利用本文方法对集合中的5类告警进行聚合和关联,通过参数寻优得到自扩展时间窗口最理想的间隔阈值,使得告警多级聚合结果能够有效精简告警,并与告警源IP和源端口的分布情况一致;通过比较告警关联结果与攻击场景的官方描述来计算告警关联的准确率。与传统方法进行对比,本文方法的告警关联准确率为97.94%,比传统方法提高了2.29%。     

基于时间序列相似度的离群模式检测模型

针对常规基于单点数据比较的离群模式检测忽视现实生活各种波动周期规律的问题,提出采用时间序列相似度的检测方法.通过基于重要点的时序线段拟合方法描述整体波动规律,以线段斜率比较描述时序走势的相似度.模型克服了一般时序分析算法复杂度高、缺乏整体波动规律把握的缺陷,可以有效解决目前可疑金融交易监管系统高误报率、报送数据调查价值低的问题.对金融外汇交易真实数据的实验结果证实了模型在交易波动周期规律发现上的有效性.     

基于时间自动机网的C3I系统建模和实时性验证

针对目前缺乏描述和分析C3I系统的理论基础,提出了基于时间自动机理论的C3I系统的数学模型.建立了C3I系统中各个子系统的时间自动机模型,子系统之间通过通道进行通讯,通过时间自动机网把C3I系统构建为多个并行的时间自动机的网络模型.提出基于计算树逻辑CTL的C3I系统的实时性表达方法,详细描述使用模型检测工具Uppaal对C3I系统建模和所建模型的实时性验证的方法.实验结果证明,基于时间自动机的C3I系统的建模与模型检测方法是有效的,为C3I系统行为的分析、验证提供理论基础.与经典算法相比,该方法提高了对C3I系统建模和分析的效率.     

基于有限状态自动机多模型集成的列车运行过程仿真研究

研究了基于有限状态自动机的多模型集成仿真方法,应用有限状态自动机描述离散事件,构造了抽象概念层的仿真模型并给出其完备性和唯一性的性质．在时间演化模型层集成多个相应的时域模型,提高了模型的表现力．将该方法应用到列车运行过程仿真中,提出了相应的多模型集成仿真模型,仿真结构表明了该方法的有效性．     

化工过程仿真培训系统的单元过程多模型集成

本文提出了化工过程仿真培训系统的单元过程多模型集成方法,用有限状态自动机控制的集成多模型描述方法,描述了化工过程仿真培训系统的单元过程模型。进而讨论了对集成的多模型进行仿真的方法,提出了状态转换的监测与协调算法,把引发状态转换的事件分为四类：数据通讯,教师台操作等系统事件,外部操作,发生时间可预先的显式事件;由工艺参数和／或控制信号的变化引发的,发生时间不能预先确定的隐式事件,分别讨论各类事件在仿     

机器学习加速CALYPSO结构预测的可行性

对机器学习替代DFT能量计算方法加速CALYPSO结构预测进行研究,选择5种机器学习方法评估其预测硼团簇总能量时的性能.使用库伦矩阵把原始数据表征为结构信息矩阵,提取矩阵特征值向量作为算法输入输出来训练模型;采用相同数据集评估算法,并探索影响算法性能的其他因素.提出基于势能面特征的相似性判断方法,建立置信度模型对性能最...     

多被动传感器系统四时差量测数据关联算法

针对已有四时差数据关联算法在多目标环境下性能较差的不足,提出一种基于新关联度的局部最优数据关联算法,并在此基础上,进一步提出基于统计量检验的两级数据关联算法,给出各种算法的复杂性分析.与已有四时差数据关联算法相比,新关联度算法目标正确关联率高,而所提两级数据关联算法除具有上述优点外还具有运算复杂性较低的优点,仿真实验验证了新算法的可行性与有效性.     

GLMB extended target tracking based on one-step data association

Due to the inseparability of measurements in neighborhood scenarios, the tracking performance of the traditional extended target tracking algorithm would degrade. In this paper, a new extended target tracking algorithm based on one step data association is proposed to solve the problem. First, the algorithm models the target with a multiplicative noise model. And then, the one step data association method in the Joint Probabilistic Data Association (JPDA) theory is combined with a Generalized Labeled Multi-Bernoulli (GLMB) filter. Simulation results show that the algorithm can track the target in cross and neighborhood scenarios effectively and that it is superior to the traditional extended target tracking algorithms based on measurement partition in estimation accuracy.     

快速发现关联规则挖掘算法的并行化方法

分析挖掘关联规则主要并行算法及性能.针对算法中负载平衡和时间响应问题,提出一种高效可行的挖掘关联规则的NA(Ntransactionalgorithms)并行算法,给出了NA算法的策略.通过前期实验结果表明,这种快速发现关联规则的并行算法在计算大项集过程中不需要同步和交换数据,在任意情况下,可独立计算局部大项集.     

XML数据集中挖掘关联规划算法的比较

文章用Java语言实现了关联规则挖掘的两个算法FP-growth和Apriori算法,将这两个算法应用于用XML表示的实验数据中,实现了从XML数据库中直接挖掘关联规则,并与基于XQuery实现的Apriori算法进行了性能比较。     

Fuzzy data association algorithm assisted by historical features

Aiming at the problem of strong ambiguity and uncertainty in the observed data,the author proposes a fuzzy data association algorithm based on the historical features of high-resolution one-dimensional range profile.First,for the high-resolution one-dimensional range profile's attitude,amplitude,and time-shift sensitivity,feature extraction is performed to obtain low-sensitivity features.Then,the features of the track initiation are used to construct the initial feature sample database;the features of the historical moment are utilized to construct the historical feature sample database,and the feature sample database is updated in real time.The feature weight is obtained by the interval entropy weight method and the fuzzy membership of the measurement,and the target is calculated to construct a fuzzy matrix.Finally,fuzzy data association is completed based on the principle of maximum fuzzy membership.Experimental results show that,in both the maneuvering and non-maneuvering scenarios of the target,the association performance of the proposed algorithm is better than that of the fuzzy data association algorithm.And with the increase in the clutter density,the association performance of the two algorithms is gradually decreased,but the association performance of the proposed algorithm becomes better.     

一种基于查询聚类的物化视图动态调整策略

为了提高数据仓库的查询响应性能,避免视图集频繁调整引发的"抖动性",提出了一种基于查询聚类的物化视图动态调整策略,运用关联规则挖掘方法计算属性字段相似性,进而计算查询语句相似性,并对一个查询周期内的查询语句集进行聚类,产生候选视图集,根据效益模型计算候选视图的效益,再运用物化视图动态调整算法生成物化视图.在航空公司机票结算数据集上的实验结果表明,在单机环境和分布式环境下,较基准算法相比,所提出的方法均能显著提升数据仓库的查询响应性能,尤其是对高频查询语句的响应性能.     

通信网告警加权关联规则挖掘算法的研究

关联规则挖掘算法是通信网告警相关性分析中的重要方法。在处理数量庞大的告警数据库时,算法的效率显得至关重要,而经典的FP-growth算法会产生大量的条件模式树,加权算法MINWAL (O)则需要多次扫描数据库,使得在通信网环境下挖掘关联规则的难度非常大。该文提出了一种高效的基于加权频繁模式树的通信网告警关联规则挖掘算法,算法性能测试表明,该算法与已有的加权关联规则挖掘算法相比较,节约了大量的存储空间,提高了算法的挖掘速度,对通信网的故障诊断和故障定位有着积极的意义。     

一种改进 Apriori算法在高校课程相关性分析中的应用研究

结合学生成绩数据的特点,将数据挖掘技术和关联规则算法运用到学生成绩数据分析中,挖掘隐藏在成绩数据背后的专业课程间的相互影响与关联关系,优化课程设置,为教学管理工作提供决策信息支持和参考。     

关联规则试验数据的人工合成

给出了一种实验人工数据合成的算法。该算法利用多种概率模型模拟事务长度、潜在强项集长度、项集频度等特征数据 ,模拟大型超市的事务数据库 ,生成不同规模、不同特点的数据 ,用以测试算法的时间曲线及可伸缩性。     

基于相联规则的数据挖掘理论

通过对ＫＤＤ中基于相联规则的经典数据挖掘算法的讨论,提出构造测试平台的思想,旨在借助测试指标进一步指导和规范数据挖掘算法。在采用测试数据方面,阐明基于测试指标的人造数据比模拟现实世界的人造数据更适合于做为测试平台的数据集的思想。指出对Ａｐｒｉｏｒｉ等经典算法的改进途径。由于二次挖掘可以用前次挖掘出的知识作指导,从而提高了数据挖掘效率,因此,二次挖掘算法将成为今后ＫＤＤ领域中研究的热点。