基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法

针对爬山算法搜索空间过大和易陷入局部最优的问题,该文提出基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法(VTH)。该算法利用定向最大支撑树约束搜索空间,在最大支撑树定向过程中,提出V-结构与对数似然函数(VLL)结合的定向策略;在评分搜索过程中,提出禁忌爬山(VTH)评分搜索策略,该策略将禁忌表清空机制与爬山搜索的局部择优准则结合,在提高全局寻优能力的同时也能保证搜索效率。该算法与其他算法在Asia, Car, Child和Alarm 4种标准网络中进行仿真实验,对比汉明距离、F1值、平衡评分函数(BSF)值、运行时间4个指标,验证了该算法的有效性。     

基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法

针对爬山算法搜索空间过大和易陷入局部最优的问题,该文提出基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法(VTH).该算法利用定向最大支撑树约束搜索空间,在最大支撑树定向过程中,提出V-结构与对数似然函数(VLL)结合的定向策略;在评分搜索过程中,提出禁忌爬山(VTH)评分搜索策略,该策略将禁忌表清空机制与爬山搜索的局部择优准则结合,在提高全局寻优能力的同时也能保证搜索效率.该算法与其他算法在Asia,Car,Child和Alarm 4种标准网络中进行仿真实验,对比汉明距离、F1值、平衡评分函数(BSF)值、运行时间4个指标,验证了该算法的有效性.     

最大期望模拟退火的贝叶斯变分推理算法

针对贝叶斯变分推理收敛精度低和搜索过程中易陷入局部最优的问题,该文基于模拟退火理论(SA)和最大期望理论(EM),考虑变分推理过程中初始先验对最终结果的影响和变分自由能的优化效率问题,构建了双重EM模型学习变分参数的初始先验,以降低初始先验的敏感性,同时构建逆温度参数改进变分自由能函数,使变分自由能在优化过程得到有效控制,并提出一种基于最大期望模拟退火的贝叶斯变分推理算法.该文使用收敛性准则理论分析算法的收敛性,利用所提算法对一个混合高斯分布实例进行实验仿真,实验结果表明该算法具有较优的收敛结果.     

基于TF-IDF算法的运营商用户画像分析

随着通信技术的迅速发展，海量日志的产生给企业运营带来了安全隐患，除了能否及时检测出电信运营商企业内各类业务系统及设备的海量日志是否安全、合规之外，基于用户行为的分析对日志安全也尤为重要。为了直观掌握用户行为，本文基于TF-IDF标签权重算法对运营商海量用户业务日志数据构建用户画像。根据实际业务场景构建RFS模型，通过开发的用户画像标签体系分析研究运营商用户行为，对用户操作日志中的潜在高风险信息进行数据挖掘，并输出可视化用户行为分析画像结果。实际应用表明，通过用户画像能识别风险用户行为信息，同时也能为日志安全分析提供参考价值，帮助企业实现数据安全运营动态监测。     

基于通信业务日志的用户行为安全审计研究

为更直观掌握用户行为,基于运营商的海量用户业务日志为实验数据构建用户画像,分析研究用户基本属性、操作行为、偏好特征等维度。根据实际业务场景,结合改进的TF-IDF（词频-逆文档频率）标签权重算法开发不同维度用户画像标签体系,对用户操作日志中的潜在高风险信息进行数据挖掘,并输出可视化画像结果。实际应用表明通过用户画像能识别风险用户行为信息,同时也能为日志安全审计提供参考价值,帮助企业实现数据安全运营动态监测。     

最大期望模拟退火的贝叶斯变分推理算法

针对贝叶斯变分推理收敛精度低和搜索过程中易陷入局部最优的问题，该文基于模拟退火理论(SA)和最大期望理论(EM)，考虑变分推理过程中初始先验对最终结果的影响和变分自由能的优化效率问题，构建了双重EM模型学习变分参数的初始先验，以降低初始先验的敏感性，同时构建逆温度参数改进变分自由能函数，使变分自由能在优化过程得到有效控制，并提出一种基于最大期望模拟退火的贝叶斯变分推理算法。该文使用收敛性准则理论分析算法的收敛性，利用所提算法对一个混合高斯分布实例进行实验仿真，实验结果表明该算法具有较优的收敛结果。     

改进遗传-狼群对节点序寻优的贝叶斯网络结构算法

贝叶斯网络是数据挖掘领域的一种重要方法。针对贝叶斯网络结构学习算法寻优效率低和易陷入局部最优的问题，提出一种基于改进的混合遗传-狼群对节点序寻优的贝叶斯网络结构学习算法。该算法首先利用深度优先搜索对最大支撑树的节点进行拓扑排序；然后利用动态变异及最优交叉算子构建适用于节点序寻优的改进捕食行为，引入动态参数因子来增强算法局部寻优能力；最后与K2算法结合得到最优的贝叶斯网络结构。用3种不同大小的标准网络数据集中进行实验，结果表明，该算法收敛到较优值，寻优效率高于其它同类优化算法。