一种基于模板的数据预取和缓存算法

针对专题型应用中普遍存在的大数据查询的频繁性和模式固定性特点,提出一种基于模板的数据预取和缓存算法,用于加快数据查询响应速度并减轻服务器端负载压力。通过构建数据查询模板,在触发器被激发时调用模板以构建预取数据,提出基于模板的数据预取方法和基于触发器的预取算法;考虑缓存空间中一些大数据的存在对查询响应速度的优化性,建立缓存对象模型并提出改进的Hybrid算法。以东方红湿地环境监测平台为例进行算法实验与分析,实验结果表明,在不同的缓存百分比下,较之典型的缓存算法,改进的Hybrid算法在访问延迟率上均有改进,且在大数据量查询时表现出了优越的应用效果。     

一种自适应的数据预取与缓冲算法

在海量数据中进行的直接查找往往耗时巨大,在实际应用中很难满足实时性的需求,因此采用数据预取和缓冲技术实现对查找操作的优化成为实际系统中的重要环节。自适应的数据预取和缓冲算法是通过使用人工智能中的技术来分析用户的查询习惯,从而实现动态的预取策略并对预取的数据进行缓冲,以达到提高查询速度的目的。文章根据不同的数据查询需求提出了两类智能算法以适应不同的应用场合。在实验中分别针对单个用户的历史查询应用和多用户的并发查询应用分别进行了分析,证明了这两类智能算法分别对不同的应用场合拥有较好的性能。     

基于气象参数的逐时建筑热负荷云预测

针对现有建筑热负荷预测精度不高和随机泛化能力不强的问题,在考虑短时热惯性因素情况下,对建筑热负荷影响因素进行Spearman秩相关性分析,借助K-mean聚类归纳热负荷预测多维多规则云推理发生器,以室外温度、太阳辐射作为规则前件输入,进行气象参数下基于正逆向云算法的建筑热负荷云预测.结果显示基于聚类的多维多规则云预测在...     

一种新的视频流动态目标跟踪算法

为了提高视频图像序列动态目标跟踪过程的跟踪效率,在分析现有算法的基础上,提出了一种基于卡尔曼预测和协方差模块更新相结合的动态目标跟踪新算法.通过卡尔曼预测,可以得到图像序列中下一帧的动态有效区域,实现了对目标区域的实时跟踪;同时,目标协方差矩阵的更新用于目标匹配区域的预测,提高了整个跟踪算法的抗干扰性能和鲁棒性.实验结果表明,与现有的基于静态模板的协方差跟踪算法相比,该算法在实时跟踪性能方面具有更好的跟踪效率.该方法用于视频图像序列动态目标跟踪是可行的、有效的.     

带聚类处理的元搜索引擎的设计与实现

设计实现了一个高扩展性的元搜索引擎,并提出基于关联规则的聚类算法作用于查询结果,大大提高查询结果的可浏览性。实验结果表明该聚类算法在复杂度和聚类效果上均优于传统的k-means算法。     

基于SQL的多值多层关联规则挖掘

在分析研究关系数据库上关联规则挖掘现有方法的基础上,提出了一种基于结构化查询语言SQL的多值多层关联规则挖掘新方法。采用了一种新的根据概念分层的编码方法对多值属性进行离散化,然后利用SQL的查询语句,结合多值属性的编码,实现了关系数据库上的多层关联规则挖掘。实验表明,该算法具有快速、有效、易开发等优点。     

基于SQL的多值多层关联规则挖掘

在分析研究关系数据库上关联规则挖掘现有方法的基础上,提出了一种基于结构化查询语言SOL的多值多层关联规则挖掘新方法.采用了一种新的根据概念分层的编码方法对多值属性进行离散化,然后利用SOL的查询语句,结合多值属性的编码,实现了关系数据库上的多层关联规则挖掘.实验表踢,该算法具有快速、有效、易开发等优点.     

基于关联规则与聚类算法的查询扩展算法

针对信息检索中查询关键词与文档用词不匹配的问题,提出一种基于关联规则与聚类算法的查询扩展算法。该算法在第1阶段对初始查询结果的前N篇文档进行关联规则挖掘,提取含有初始查询项的关联规则构建规则库,并从中选取与查询用词关联度最大的置个词作为扩展词,与初始查询组成新查询后再次查询,在第2阶段将新查询结果进行聚类分析并计算结果中每篇文档的最终相关度,按最终相关度大小重新排序。实验结果表明,该算法比单独使用关联规则算法或是单独使用聚类算法均有更优的检索性能。     

基于情节规则匹配的数据流预测

提出了一种数据流预测算法Predictor.该算法为每个待匹配的一般形式的情节规则分别使用了一个自动机,通过单遍扫描数据流来同时跟踪这些自动机的状态变迁,以搜索每个规则前件最近的最小且非重叠发生.这样不仅将无界的数据流映射到有限的状态空间,而且避免了对情节规则的过于匹配.另外,算法预测的结果是未来多个情节的发生区间和发生概率.理论分析和实验评估表明,Predictor具有较高的预测效率和预测精度.     

基于情节规则匹配的数据流预测??

提出了一种数据流预测算法 Predictor.该算法为每个待匹配的一般形式的情节规则分别使用了一个自动机,通过单遍扫描数据流来同时跟踪这些自动机的状态变迁,以搜索每个规则前件最近的最小且非重叠发生.这样不仅将无界的数据流映射到有限的状态空间,而且避免了对情节规则的过于匹配.另外,算法预测的结果是未来多个情节的发生区间和发生概率.理论分析和实验评估表明,Predictor具有较高的预测效率和预测精度.     

空间数据库最优位置查询算法研究

针对实际应用的查询要求,提出一种新颖的空间数据库查询类型—最优位置查询。在叙述实际应用的基础上抽象出最优位置查询概念,提出目标对象的优先权度量标准、删减数据对象的启发式规则和最优位置查询算法,分析最优位置查询算法的时间复杂度。实验结果表明,在参数不同取值情况下最优位置查询算法的查询性能仍然高效。     

Online updating belief rule based system for pipeline leak detection under expert intervention

A belief rule base inference methodology using the evidential reasoning approach (RIMER) has been developed recently, where a new belief rule base (BRB) is proposed to extend traditional IF-THEN rules and can capture more complicated causal relationships using different types of information with uncertainties, but these models are trained off-line and it is very expensive to train and re-train them. As such, recursive algorithms have been developed to update the BRB systems online and their calculation speed is very high, which is very important, particularly for the systems that have a high level of real-time requirement. The optimization models and recursive algorithms have been used for pipeline leak detection. However, because the proposed algorithms are both locally optimal and there may exist some noise in the real engineering systems, the trained or updated BRB may violate some certain running patterns that the pipeline leak should follow. These patterns can be determined by human experts according to some basic physical principles and the historical information. Therefore, this paper describes under expert intervention, how the recursive algorithm update the BRB system so that the updated BRB cannot only be used for pipeline leak detection but also satisfy the given patterns. Pipeline operations under different conditions are modeled by a BRB using expert knowledge, which is then updated and fine tuned using the proposed recursive algorithm and pipeline operating data, and validated by testing data. All training and testing data are collected from a real pipeline. The study demonstrates that under expert intervention, the BRB expert system is flexible, can be automatically tuned to represent complicated expert systems, and may be applied widely in engineering. It is also demonstrated that compared with other methods such as fuzzy neural networks (FNNs), the RIMER has a special characteristic of allowing direct intervention of human experts in deciding the internal structure and the parameters of a BRB expert system.     

一种挖掘free项目集的快速算法

对关联规则的挖掘是数据挖掘中一个重要的问题 .通过挖掘 free项目集来挖掘关联规则已被证明是一种十分高效的方法 .Seg Free算法将数据库分成许多分段并在这些分段中查找 free项目集 .它只耗用很小的额外内存来存储在每个分段中项目集的支持度 ,却能极大的减少项目集匹配的时间 ,而项目集匹配的时间是整个挖掘过程的瓶颈 .在真实数据集上的试验已显示了它良好的性能 .它还能使用在其他的数据挖掘任务中     

基于二进制表示的事务属性挖掘方法

在关联规则数据挖掘中采用二进制系统易于产生冗余模式。该文提出一种基于二进制事务属性层次划分的两级数据挖掘方法,即MLADM算法。该算法通过高层次模式获取最大可能频繁模式集,在低层次模式中对其进行验证,优先获得长频繁模式。实验结果表明,该算法可以在密集数据集中有效挖掘长模式并避免冗余模式。     

基于AR_TSM的时间序列motif关联规则挖掘方法研究

挖掘时间序列motif间潜在的关联规则可以在预测未来趋势方面发挥重要作用,时间序列motif即时间序列中先前未知的重复出现的模式。针对符号化时间序列提取motif导致信息丢失的问题,提出基于剪枝技术的motif提取算法PM_Motif,实现了保留原始信息的motif的精准快速提取;针对分割motif来发现其内部关联规则导致的规则不一致的问题,从motif间的关联规则入手,给出了基于AR_TSM方法的时间序列motif关联规则挖掘算法,从根本上避免了因motif分割引起的不确定性,保证了规则的一致性;最后,引入了关联规则评价参数RM,在多数据集上证明了关联规则的预测性能。     

机器学习在智能车间调度系统中的应用

基于规则和仿真的车间调度系统与专家系统的结合,使智能调度系统得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个具有机器学习能力的车间调度系统证明:机器学习是解决知识贫乏的一个有效途径,且在众多的机器学习算法中,Quinlian的ID3算法成为适用于智能调度系统的机器学习算法。     

K-Q:支持海量查询的隐私泄露检测算法

针对推理检测需要的所有历史查询结果的数据规模较大这一问题, K-Q算法结合K-匿名模型在历史查询结果的存储规模上进行了优化, 通过推理攻击模拟算法在线检测恶意查询。在真实数据集上的实验证明了K-Q算法可以自适应于查询规模的增长, 在准确率和内存消耗上都明显优于已有的直接基于相关元组合并优化的T-D算法。     

关联规则挖掘在证券业个性化服务中的应用

提出了一种适用于证券业交易数据库挖掘的频繁模式链表关联规则挖掘算法，它采用共享前缀交易项树和频繁模式链表结构，无须产生候选项集，FPL-growth算法通过直接排列出链路中的频项组合，就可得到完整的频繁模式集，且支持多阈值挖掘，挖掘到的关联规则带有时间段属性，特别适用于证券业的个性化信息需求获取。     

面向电子商务的增量挖掘算法

对商务信息挖掘理论进行了研究,给出了电子商务运作模式的定义、性质、定理及相关证明;提出了一种用于跟踪电子商务活动的数据模型,在模型中定义了网页监控点与商务指标之间的“点-集”映射关系,建立了商务网站的访问事件、网页中事先设定的监控点,以及商务工作流程之间的联系;根据这些研究结果对关联规则挖掘算法中的发现和剪枝过程进行改进,设计了面向电子商务的增量挖掘算法,并在第三方物流信息系统中实现。实践表明,该算法在频繁变化的数据集中的挖掘效率大大高于传统的非增量挖掘算法,基于智能Agent技术的商务信息挖掘模型有效地提高了电子商务的实时跟踪与分析能力。