面向不确定数据模式指标的通用界值估算方法

针对约束模式挖掘中模式指标的界值估算问题,提出了一种面向不确定数据模式指标的通用界值估算方法。根据带有权值的不确定型事务数据库的特点,首先设计了面向常用模式指标的通用界值估算框架,其次给出了在该框架下对模式指标上界值的快速估算方法,最后估计了两种典型模式指标的上界值以说明其可行性。实验中对比了PHUI-UP算法分别结合事务加权效用值、所提方法估算所得的上界值和实际上界值后的运行时间和内存占用情况,实验结果表明所提方法可以通过占用较小内存和运行时间来实现模式效用上界值的估算。     

大数据技术在美军中的现状分析

为了适应现代信息化战争的需要,在阐述大数据技术的内涵和外延的基础上,介绍了大数据技术在美军中的典型应用。分析了美军大数据技术的未来发展趋势,探讨了其发展所面临的挑战,并总结了美军大数据技术发展历程带来的启示。     

一种面向不确定数据流的模体发现算法

借鉴生物信息学中序列模式发现思想,提出了基于MEME（multiple expectation-maximization for motif elicitation）的不确定数据流模体发现算法。该算法根据不确定数据流的特点,设计了不确定滑动窗口的简化计算方法,改进了SAX（symbolic aggregate approximation）的符号化策略,用防空反导情报传感器网络中的一组不确定数据流验证了其可行性,通过植入不同数目模体的方法测试了其准确性,并在元组存在概率为1的条件下与已有算法进行比较,验证其有效性。