一种基于划分的高效用长项集挖掘算法

效用（utility）可弥补支持度在表现语义重要性方面的不足。现有的几种基于效用的关联规则挖掘算法都采用了类似Apriori自底向上的搜索方法,不适合长模式的挖掘。提出了一种双向搜索高效用项集的模型及一种基于划分的inter-transaction算法。inter-transaction利用了长事务相交迅速变短的特性和新的减枝策略,能同时输出项集的效用与支持度。实验表明,该方法对蕴含长模式的高维数据库非常有效。     

高置信度关联规则的挖掘

传统的关联规则和基于效用的关联规则,会忽略一些支持度或效用值不高、置信度（又称可信度）却非常高的规则,这些置信度很高的规则能帮助人们满足规避风险、提高成功率的期望。为挖掘这些低支持度（或效用值）、高置信度的规则,提出了HCARM算法。HCARM采用了划分的方法来处理大数据集,利用新的剪枝策略压缩搜索空间。同时,通过设定长度阈值minlen,使HCARM适合长模式挖掘。实验结果表明,该方法对高置信度长模式有效。     

高激励项集的挖掘研究

基于支持度的关联规则只能找出所有的频繁集,无法找到那些非频繁但效用很高的项集;基于效用的关联规则致力于发现所有高效用项集,无法找到效用不高但支持度与效用的积很大的项集。为克服支持度与效用的不足,提出了一种新的项集重要性的度量方法（即激励）及一种自下而上的挖掘高激励项集的算法HM-Two-Phase-Miner。激励集成了支持度与效用的优点,能同时表达项集的语义特性与统计特性。HM-Two-Phase-Miner利用事务权重激励向下封闭特性进行减枝,有效提高了算法的性能。     

基于激励的关联规则的挖掘

基于支持度的关联规则挖掘算法无法找到那些非频繁但效用很高的项集,基于效用的关联规则会漏掉那些效用不高但发生比较频繁、支持度和效用值的积（激励）很大的项集。提出了基于激励的关联规则挖掘问题及一种自下而上的挖掘算法HM-miner。激励综合了支持度与效用的优点,能同时度量项集的统计重要性和语义重要性。HM-miner利用激励的上界特性进行减枝,能有效挖掘高激励项集。     

垂直模式类高效用模式挖掘的改进算法

由于高效用模式挖掘较为复杂,提高其挖掘算法的效率是数据挖掘的研究热点。HUP-miner算法是典型的基于垂直模式类的高效用模式挖掘算法,虽然能够有效地减少效用列表的总个数,但对于项集的划分,效用列表需要更多的空间。针对该问题,在HUI-miner算法的基础上充分考虑了1-扩展集中项集的关联性,减少了效用列表个数,提出了改进的IHUI-miner算法。实验结果表明,改进算法IHUI-miner在时间效率和减少效用列表的个数上都优于HUP-miner与HUI-miner算法。     

基于正负效用划分的高效用模式挖掘方法综述

高效用模式挖掘（HUPM）是新兴的数据科学研究内容之一,通过考虑事务数据库中项的单位利润和数量,以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正,但是在实际应用中,某些数据项的效用值可能为负（如商品因产生亏损而导致利润值为负）,含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先,阐述了HUPM的相关概念,并分别给出相应正负效用的实例;然后,以正与负角度划分了HUPM方法,其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分,带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术,并从不同方面对这些方法进行了讨论和总结;最后,给出了现有HUPM方法的不足和下一步研究方向。     

基于MapReduce的Top-k高效用模式挖掘算法

摘 要: 高效用模式挖掘被广泛应用于数据挖掘领域。为了挖掘指定数量的高效用模式,一些基于树结构和效用表结构的top-k高效用挖掘算法被提出,但前者在挖掘过程中产生了大量候选模式,后者在效用模式增长时需要进行多次比较。同时,由于在信息社会,数据量呈爆炸性增长。因此,在数据集过大的情况下,挖掘高效用模式需以大量存储空间以及计算开销为代价。为了解决这两个问题,基于MapReduce的top-k高效用模式挖掘算法（TKHUP_MaR）被提出。该算法通过两次扫描数据库,利用三次MapReduce来实现并行top-k高效用模式的挖掘。通过实验表明TKHUP_MaR 算法在并行挖掘top-k高效用模式的过程中是有效的。     

一种快速挖掘Top-k高效用模式的算法

高效用模式挖掘是数据挖掘领域的一个基础研究方向,其中关于top-k高效用模式的挖掘算法也越来越多,其中k指的是用户需要挖掘的高效用模式的个数。它们可以归纳为两类：二阶段top-k算法和一阶段top-k算法。两者的主要区别是,前者在挖掘的过程中会产生大量的候选模式,这个是影响算法性能的主要因素;后者在挖掘的过程中不产生候选模式。为了更加高效地挖掘效用值最高的k个模式,一阶段算法TKHUP被提出。该算法在进行数据挖掘的过程中主要是通过四个有效策略来减少时间和空间消耗的。通过大量的实验数据表明,TKHUP在时间性能上优于其它top-k高效用模式挖掘算法。     

基于快速高效用项集挖掘的大规模消息流预测算法研究与应用

为了提高大规模消息流话题预测的准确性与效率,提出基于高效用项集挖掘的消息流话题预测算法。计算时间窗口中词汇的内部效用与外部效用,根据会话内所有词汇的效用计算最小效用值;采用高效用项集挖掘算法产生候选话题模式集,随之提取最终的话题模式。为了提高高效用项集挖掘的时间效率与存储效率,设计三角项集效用树保存项集的效用信息,设计话题搜索树保存候选话题模式集。最终基于真实消息流数据集进行实验,结果显示该算法有效地提高了话题预测的准确率,并且实现了较快的响应时间。     

数据流高效用模式挖掘综述

数据流高效用模式挖掘方法是以二进制的频繁模式挖掘方法为前提,引入项的内部效用和外部效用,在模式挖掘过程中可以考虑项的重要性,从而挖掘更有价值的模式。从关键窗口技术、常用方法、表示形式等角度对数据流高效用模式挖掘方法进行分析并总结其相关算法,从而研究其特点、优势、劣势以及其关键问题所在。具体来说,说明了数据流高效用模式常用的概念;对处理数据流高效用模式的关键窗口技术进行了分析,涉及到滑动、衰减、界标和倾斜窗口模型;研究了一阶段和两阶段的数据流高效用模式挖掘方法;分析了高效用模式的表示形式,即完全高效用模式和压缩高效用模式;介绍了其他的数据流高效用模式,包括序列高效用模式、混合高效用模式以及高平均效用模式等;最后展望了数据流高效用模式挖掘的进一步研究方向。     

基于效用和量子遗传的柔性QoS单播路由机制

本文基于模糊数学、微观经济学和群体智能相关知识,引入服务质量QoS满意度和效用,设计了一种柔性QoS单播路由机制,应用量子遗传算法,寻找使网络提供方效用和用户效用达到或接近最大且尽可能均衡的QoS单播路径。仿真结果表明,该机制是可行和有效的。     

基于模糊积分和博弈论的QoS组播路由机制

下一代互联网NGI(next generation Intemet)需要提供服务质量QoS(quality of service)路由能力.由于NGI网络状态难以精确测量与表达,因此,QoS路由基于的信息应该是模糊的.随着网络运营的渐趋商业化,付费上网要求实现QoS计费,而网络提供方与用户的利益冲突要求实现效用双赢.设计了一种基于模糊积分和博弈论的QoS组播路由机制.该机制由边评判、博弈分析和组播路由树建立算法组成,基于模糊积分和适合隶属度函数对边进行模糊综合评判,通过博弈分析确定网络提供方与用户在边上的效用能否达到Nash均衡,通过组播路由树建立算法使得在建立的组播路由树上不仅用户QoS要求得到满足,而且网络提供方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,与QoSMIC等机制相比,该机制具有较好的性能.     

基于蜂群的ABC支持型QoS单播路由机制

下一代互联网NGI(Next-Generation Internet)需要提供服务质量QoS(Quality of Service)路由,支持总最佳连接ABC(Always Best Connected).但是,由于链路状态的难以精确测量与用户QoS需求的难以准确表达,因此路由机制应该具备处理模糊信息的能力.同时,在网络运营日益商业化的环境下,路由时应该兼顾网络提供方与用户利益,支持各方效用共赢.为此,本文引入模糊数学和微观经济学有关知识,设计了一种ABC支持型QoS单播路由机制.该机制采用区间描述用户柔性QoS需求,使用边适合隶属函数适应链路状态不精确,引入边带宽定价、边评判和路径评价,基于蜂群算法,寻找使用户与网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径.仿真结果表明,该机制是可行和有效的.     

NGI中一种基于食物链算法的柔性QoS组播路由算法

针对下一代互联网（Next Generation Internet,NGI）难以精确测量和用户服务质量（Quality of Service,QoS）需求难以完全表达的特点,设计了一种基于食物链算法（Food Chain Algorithm,FCA）的柔性QoS组播路由算法。给出了QoS组播路由问题模型及其数学描述,针对NGI中QoS参数信息不精确和用户需求柔性的特点,通过博弈分析确定用户和网络方在边上的效用能否达到Nash均衡,基于模糊数学的相关知识并结合FCA的寻优能力,找出在给定条件下用户效用、网络方效用和满足用户QoS需求的可信度同时达到最大的组播路由树。对算法进行了仿真实现与性能评价,结果表明,它是可行和有效的。     

粒子群优化ABC支持型QoS单播路由机制

设计了一种ABC支持型QoS单播路由机制,采用区间形式描述不精确用户QoS需求和边（链路）参数,引入用户满意度、边评价和精英解集,通过博弈分析,应用粒子群优化算法,寻找使用户和网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径。仿真结果表明,该机制是可行和有效的。     

On utility-fair bandwidth adaptation for multi-class traffic QoS provisioning in wireless networks

The ability to adjust the allocated bandwidth of ongoing calls to cope with wireless network resource fluctuations is becoming increasingly important. In this paper, we describe a utility-based bandwidth adaptation scheme for multi-class traffic quality-of-service (QoS) provisioning in wireless networks. With the proposed scheme, each call is assigned a utility function according to its adaptive characteristics. Depending on the network load the allocated bandwidth of ongoing calls are upgraded or degraded dynamically such that each call receives fair utility. The quantization of utility function by dividing the utility range into a fixed number of equal intervals is a key feature of our proposed utility-fair algorithm. Appropriate call admission control and bandwidth reservation policies are also integrated into the proposed scheme to provide QoS guarantees to the new and handoff calls. Extensive simulation experiments have been conducted to evaluate the performance of the proposed scheme compared with two other existing ones. Results show that our bandwidth adaptation scheme is effective in achieving utility fairness while keeping the call blocking and handoff dropping probabilities substantially low.     

NGI中一种微观经济学模糊QoS单播路由机制

本文设计并仿真实现了一种微观经济学模糊OoS单播路由机制,通过适合隶属度函数对边做出模糊综合评判,通过博弈分析确定网络提供方与用户在边上的效用能否达到Nash均衡态,通过基于双向Dijkstra算法及中间链表加速方法的启发式选路算法,使得在找到的路径上不仅用户的QoS需求得到满足,而且双方的端到端效用达到或接近Nash均衡下的Pareto最优。仿真结果表明,同基于Dijkstra的路由机制和基于模糊塔的QoS单播路由机制相比,该机制具有较好的性能。     

小世界优化ABC支持型单播路由机制

设计一种ABC支持型QoS单播路由机制,采用区间形式描述用户QoS需求和边（链路）参数,引入用户满意度和边评价,通过博弈分析,基于小世界优化算法寻找使用户和网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径。仿真研究结果表明,该算法是有效的。     

OFDMA 协同网络中基于QoS 保证的资源分配算法

针对正交频分多址(OFDMA)协作通信系统,为了解决数据传输速率最大化并提供尽力而为业务与实时业务的服务质量(QoS)保证问题,提出新型资源分配算法.通过以总功率受限为约束条件,定义基于数据速率、时延和丢包率的效用函数,并以在协作传输中以最大化效用函数为目标进行中继选择和子载波分配.通过中继和用户上的子载波和功率分配方案的设计,从而最大化网络数据传输速率并最小化时延与丢包率,为多种业务提供服务质量保证.采用最优化理论与方法求解效用函数,得到了资源分配结果.仿真结果验证了算法收敛,并给出功率分配结果,以及网络吞吐量和时延性能指标情况,验证了算法的有效性.     

无线多媒体网络中一种基于测量网络状态的动态呼叫接纳控制算法

提出了一种无线多媒体网络中基于测量网络状态的动态呼叫接纳控制算法.它区分了实时和非实时业务,在网络带宽资源不足时可通过降低非实时业务带宽确保实时业务呼叫连接的可靠性;还可根据当前网络状况调整预留带宽大小,使小区实时业务切换呼叫掉线率低于设定的门限值.大量仿真结果显示该算法具有低实时业务切换呼叫掉线率和与固定预留方案相当的带宽利用率,而只以略高的新呼叫阻塞率为代价,适合各种不同概率发生时实际应用的情况.