一种基于滑动窗口的不确定数据流聚类算法

针对不确定数据流上的聚类问题提出了一种新的聚类算法SWCUS,它采用滑动窗口缓存一段时间内的元组作为聚类对象,只存储新到达的数据,"淘汰"过时数据,以便获得高质量的聚类结果。另外它还应用k-means算法来生成初始微簇并且提出了一种新的离群点机制来排除离群点。实验结果表明,SWCUS算法与同类型的算法相比有较好的聚类效果和较快的聚类速度,而且其自身拥有很强的可伸缩性。     

一种改进的CLIQUE高维子空间聚类算法

分析了经典的CLIQUE聚类算法,阐述了该算法存在的局限性,针对该算法时间复杂度高和聚类精度低的问题,提出了一种改进的CLIQUE聚类算法;改进的算法不仅具有传统CLIQUE算法的优点,而且利用降低冗余维度和备份密集单元数据库D'的策略,大大降低了搜索成本和时间复杂度;且进一步用混合网格划分技术替代原有算法的固定网格划分技术,提高了聚类结果的精度,保留了密集单元的完整性.     

不确定数据流自适应并行连接算法及应用

不确定数据流对处理过程有独特的需求,如存储空间有限、响应时间很短、需要连续处理、数据无限等,这对数据流的处理算法,特别是耗时、耗内存较多的连接操作提出了挑战。针对大规模不确定数据流并行连接所存在的速度较慢和内存消耗大的问题,提出了多核处理器上不确定数据流并行连接和内存溢出时自适应处理的一系列算法,能够高速在线处理并发不确定数据流。在此基础上,针对道路各个卡口监控到的不确定数据流,提出一种实时发现套牌车的方法。实验采用真实数据、均匀数据、高斯数据进行评估,证明算法具有良好的性能,其处理速度比内存数据库Timesten速度提高2~8倍,能够满足实时交通套牌车监控的需求。     

数据流聚类算法在数据处理中的应用

基于监测数据进行分析,采用特殊投影和拟合的数据流聚类算法,该算法结合拟用算法和滑动窗口技术进行聚类预处理,掌握数据流的变化趋势。此外,通过桥梁健康监测仿真实验,得出拟合数据具有更高的精确性,分段拟合的数据R2接近1,m为0.890 4＜0.5,解决了高维数据流的降维问题,缩短了数据处理时间,且提高效率39.1以上,占用空间仅为6.7%。     

基于属性关系矩阵的AP子空间聚类算法

Affinity Propagation（AP）聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类, 但却不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法（AP clustering algorithm based on attributes relation matrix, ARMAP）是一种异步软子空间聚类算法,首先通过计算属性a的 邻域得到属性的关系矩阵,然后通过查找极大全1子矩阵得到数据集的兴趣度子空间,最后在各兴趣度子空间使用AP算法聚类,完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵,在正确查找子空间的同时,降低了时间复杂度。算法既保留了AP聚类算法的优点,又克服了AP算法不能进行子空间聚类的不足。     

一种新的数据流模糊聚类方法

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和StreamKM++算法而言,WDSMC算法具有更好的聚类精度。     

一种基于双层架构的流数据聚类算法

针对流式数据的动态聚类问题,提出了一种基于变长滑动窗口和遗传算法相结合的流数据聚类算法.在给出微簇、变长滑动窗口模型和流数据项衰减函数等定义的基础上,给出了在线部分使用的基于变长滑动窗口进行微聚类的算法描述,进而结合遗传算法设计了离线部分采用的宏聚类算法.实验结果表明,算法不仅解决了传统聚类具有的初始中心敏感性问题,而且具有较小的内存开销和良好的聚类质量.     

一种基于子空间聚类的雷达字提取算法

在认知侦察领域,对多功能相控阵雷达（Multifunction Phased Array Radar,MPAR）的脉冲序列进行分析,得到目标威胁等级和其他直观的有效情报,可以直接服务于作战指挥中心的决策部署。其中对雷达字提取是进行行为分析和预测的基础,其提取的结果将间接影响最后实施干扰决策的措施。针对从前提取算法利用侦收信息不全而CLIQUE算法簇边缘丢失等问题,提出了一种基于子空间聚类的雷达字提取算法。仿真实验结果表明,在漏脉冲率为30%的情况下该改进算法的提取准确率、F-值和调整兰德系数均优于传统算法,可以很好地服务于认知电子战中的雷达对抗。     

数据流上基于K-median聚类的算法研究

文章研究和分析了数据流上的K-median聚类算法技术,包括:(1)流模型和K-median问题定义;(2)基于流的K-median聚类基本决策和内在机理;(3)理论上有性能保证的流算法。对于每一特征,这种技术能在没有实际保留任何数据流对象的情形下有效地确定聚类点。它通过一个聚类块的一分为二或相邻聚类块的合二为一来动态地生成聚类点,从而实现上述目标。作为结果,这种技术所确定的聚类点将比其他常规方法更准确。在数据流环境中,这种技术能够在产生高质量聚类结果的同时非常有效地执行。     

一种基于滑动窗口技术的入侵检测方法

网络数据流在一段时间内会发生概念性变化,这可能会降低入侵检测的精度.针对网络数据流的这一特性,提出了一种能识别并适应概念飘移的基于滑动窗口的入侵检测方法,它能根据数据流的概念漂移的状况自动调整训练窗口并对检测模式进行及时的更新.     

Hardware data race detection algorithm based on sliding windows

Data race is a major factor which causes multi-core programs to produce concurrent bugs.To address the high hardware cost in happens-before detection proposals,a light-weight hardware data race detection approach based on sliding window technology was proposed.It used sliding windows to save recent memory instructions in thread execution and dynamically detected data races with small race distance which more easily lead to concurrent bugs.Considering the race distance,parallel thread segments were subdivided into concurrent race regions with lock and concurrent race regions without lock.A pair of alternate rewritable sliding windows was used to store the memory instructions in concurrent race region without lock,and a sliding window with variable size was used to store the memory instructions in concurrent race region with lock.When there was a conflict between a remote sharing access and memory accesses in sliding windows,a data race was detected.In the hardware implementation,the addresses of the data in sliding windows were automatically encoded into three hardware signatures with small size.Data races can be detected quickly without modifying the L1 cache and cache coherence protocol messages.This approach supplies efficient guidance to help users to diagnose concurrency bugs occurred in the development and production run of multi-core programs,achieving smaller hardware and bandwidth overhead.     

一种有效的不确定数据流Top-K查询算法

Top-K查询处理是不确定性数据管理中一项重要技术。本文在分析不确定性数据模型和可能世界模型的基础上,定义了不确定数据流元组的查询语义,提出了基于记录向量的Top-K查询算法,该算法根据K值,计算并返回分值最高前K个结果,其查询结果评价综合考虑了查询结果在可能世界语义下的概率大小。实验结果表明,与CSQ和SCSQ算法相比,本算法更具高效性和实用性。     

RFID不确定数据流中的Top-K查询研究

在游客游迹跟踪与追溯系统中,产生大量不确定数据,有效的Top-K查询处理是不确定性数据管理中一项重要技术。研究了运用Top-K检索不确定数据的问题,定义了不确定数据流元组的查询语义,提出了一种在记录向量的基础上的不确定数据查询算法,并利用实例演示了查询的过程。该算法按照元组的得分值进行降序排列,概率值最高的前k个元组集合就是Top-K的查询结果,实验结果表明,本文的算法更具高效性和实用性。     

时间序列不确定数据流中异常数据检测方法

结合小波分析和不确定聚类方法的优点,提出一种基时间序列不确定数据流的异常数据检测方法,该方法主要考虑数据流中元组的不确定性,同时平衡检测的计算代价与检测精度。仿真实验证明,该检测方法能够良好地适应数据流的不确定性。在一定条件下可获得相当好的检测效果。     

基于模糊C均值的数据流入侵检测算法

针对数据在性态和类属方面存在不确定性的特点,提出一种基于模糊C均值聚类的数据流入侵检测算法,该算法首先利用增量聚类得到网络数据的概要信息和类数,然后利用模糊C均值聚类算法对获取的数据特征进行聚类。实验结果表明该算法可以有效检测数据流入侵。     

基于动态时间窗的射频识别中间件数据过滤算法

中间件技术作为射频识别（RFID）应用中的一项重要技术,逐渐成为国内外研究的热点。本文从应用角度出发,提出了一种基于动态时间窗的RFID中间件数据过滤算法,并仿真比较了经过动态时间窗和固定时间窗过滤后的数据冗余度。仿真结果表明,基于动态时间窗的数据过滤算法可以较好地提高RFID中间件中传输数据的有效性。     

基于主成分分析的改进贝叶斯网络入侵检测研究

传统的贝叶斯网络入侵检测技术中,未考虑到入侵检测数据集中属性数量过多的问题,导致贝叶斯网络构造过程中计算量过大,严重影响了检测效率;传统的贝叶斯网络入侵检测技术,在检测的过程中也没有考虑到当前网络受到的攻击行为和安全状态,仅仅根据原始训练数据集生成的贝叶斯网络进行测试,对检测精度造成一定的影响。针对上述两个问题,提出结合主成分分析和滑动窗口的贝叶斯网络入侵检测技术,仿真实验表明,改进后的技术能够大大降低数据维数,提高运算效率和检测精度。