基于相关性度量的关联规则挖掘

传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.     

关联规则增量式更新的改进算法

关联规则是数据挖掘中的重要研究内容之一，对在事务数据库不变，只对最小支持度和最小可信度进行改变的情况下，针对关联规则的维护问题，设计了一个增量式更新的改进算法AIUA。     

基于事务压缩的频繁项集挖掘和更新算法

频繁项集挖掘是挖掘关联规则的关键。为了得到用户感兴趣的关联规则，要不断调整最小支持度，这必将引起频繁项集的更新。基于事务压缩思想，提出一种挖掘和更新算法，挖掘频繁项集时扫描压缩的数据库，更新时能减少新产生的k-项集的数量，从而加快了更新速度。     

关联规则在网络异常检测中的应用

异常检测在网络安全中已成为一个重要的课题,异常检测是入侵检测(IDS)的一种,它对网络及用户正常行为的特征进行描述,并通过对正常网络行为的偏差的比较来实现入侵检测.关联规则是一种典型的数据挖掘方法,可以用来描述事物之间在特定条件下存在的某种强度的联系.通过对网络数据进行采集并利用关联规则数据挖掘的方法描述网络特性,建立了一个有效的网络异常检测系统模型,获得了较好的效果.     

基于记忆多项式的射频功放模型研究

宽带射频功率放大器会呈现出严重的电记忆效应，为了表征此种动态非线性行为特性，研究记忆多项式射频功放模型并采用查找表来实现，从而可解决记忆多项式模型的数值不稳定性问题．详细讨论了记忆多项式模型结构及其如何采用查找表来实现，并采用单载波WCDMA信号和3-作于1930～1990MHz频率范围的60W推挽型砷化镓场效应管（FLL600IQ-2）放大器来验证这种新方法的有效性．验证结果表明：基于查找表实现的记忆多项式射频功放模型能较好地表征宽带射频功率放大器的动态非线性行为特性．     

基于模糊状态描述的因果关联规则的提取过程

提出了基于模糊语言场和模糊语言值结构的知识表示新型框架,并提出了能够综合处理模糊不确定性与随机不确定性的广义细胞自动机和广义归纳逻辑因果模型.在上述基础上,提出了一类发现因果关联规则的新算法.     

基于数据挖掘的入侵检测系统框架

提出了基于分布式数据挖掘的入侵检测系统框架，详细讨论了该系统的实现方案、模块结构和关键技术，最后给出了系统训练和评价方法。该系统以基于关联规则方法的分布式数据挖掘技术为核心，从而实现了规则库的自动生成和更新，并能有效检测大规模协同攻击。     

基于改进兴趣度度量与Apriori算法的交通事故多发点成因分析

人、车、路、环境和交通管理构成了道路交通系统,造成道路交通事故的原因是综合、复杂的。正确快速地分析事故成因,有助于提升交通管理水平,减少交通事故的发生。近年来,关联规则模型及其扩展在事故多发点成因分析中备受关注。针对关联规则分析中传统的兴趣度度量方法和Apriori算法的局限,考虑小概率因子对交通事故的影响,提出了改进的交通事故多发点成因分析方法,明确评价因素和结果之间的关联程度,提高挖掘效率。基于浙江省某市交通事故数据,结合人、车、环境与时空因素对方法进行了验证,并对方法的分析效率和结果的有效性进行了讨论。     

基于多支持度的增量式关联规则挖掘算法

传统的基于关联规则的挖掘算法采用的是统一的最小支持度,但是在实际的事务数据库中数据项的重要性是不同的。针对目前多支持度和增量式关联规则更新维护的局限性,提出一种基于多支持度的增量式关联规则挖掘算法。允许用户根据不同项的重要性设置权值,有利于发现更多有趣的规则。采用矩阵的向量内积策略,结合动态剪枝,无需多次扫描事务数据库,不生成庞大候选集。实验结果验证了算法的有效性。更多还原     

基于认证规则的加权认证可信度研究

针对认证系统的子规则和复合规则给出表示其重要性的权值．在对当前模糊逻辑中加权模型真值计算研究的基础上，提出基于认证规则的加权认证可信度模型．模型先计算单加权认证规则的可信度，再计算多加权认证规则情况下用户的认证可信度，然后与系统认证可信度门陷值进行比较，从而形成认证结论．模型比较全面地描述了认证系统中的不确定性，更好地增强系统在多种认证机制情况下的安全性．