一种共生保序模式挖掘算法

作为数据挖掘的一个新兴方向,研究人员在时间序列领域提出了用于挖掘相对次序相同的保序模式.尽管现有的保序模式挖掘算法可以有效地找出全部的频繁模式,但在当用户仅对某个特定的模式及其为前缀的模式较为感兴趣时,现有的挖掘算法效率过于低下.为了解决上述问题,本文提出了一种共生保序模式挖掘算法,用于挖掘出以给定模式为前缀的共生保序模式.该算法包括融合准备和计算超模式的支持度两个主要部分,其中,融合准备分为4个步骤:获取模式p的后缀保序模式,计算后缀保序模式的出现,前向验证模式p的出现,后向查找所有可融合模式的出现;在计算超模式的支持度时,提出一种剪枝策略,使得候选模式的个数进一步减少.在真实数据集上,实验结果验证了本文算法的高效性.

基于编码树的频率隐藏保序加密方案设计

针对现有保序加密方案中存在泄露明文分布频率以及在数据频繁插入的场景下性能较低的问题,通过在数据插入阶段随机生成[0,M]内的随机数作为临时保序编码,在数据查询阶段采用二级索引的形式最终确定密文对应的保序编码,来解决明文频率泄露的问题;针对保序编码频繁更新引发性能较低的问题,改进现有的更新策略,只有在客户端执行查询操作时,才进行编码的更新,提升算法的性能。实验数据和理论分析表明,所提出的保序加密方案在隐藏明文分布频率的同时,插入5000条数据,提升了16%的性能。

近似保序序列模式挖掘

保序序列模式挖掘旨在时间序列中挖掘保序模式完全相同(最精确)的子序列,其可以用来进行疾病发展趋势预测.但只挖掘最精确的保序模式往往会遗漏一些重要信息.有些保序模式虽然不完全相同,但它们之间仍具有很高的相似性.有鉴于此,本文提出了一种近似保序序列模式挖掘算法(Approximate Order Preserving Pattern Mining:AOPM),该算法能根据输入参数值的不同而挖掘出近似程度不同的保序模式.在候选模式生成方面,AOPM算法采用了基于前后缀拼接的模式融合策略,减少了无意义候选模式的数量.在模式支持度计算方面,AOPM算法首选获取候选模式的全部候选序列,然后在进行模式匹配.本文通过在真实数据集上进行对比实验,验证了AOPM算法的完备性和高效性.

基于无监督特征提取的局部相似度保序投影方法

为了对机器学习和模式识别等领域中的高维数据进行特征降维,在传统的局部保持投影方法上,提出基于无监督特征提取的局部相似度保序投影方法,使用低阶与高阶的局部关系探索数据局部结构,同时引入平衡参数调整样本低阶结构和高阶结构的重要性,利用图嵌入框架,通过特征值分解得到了最优的子空间投影矩阵。在3个公共数据集上与一些经典的图像降维算法进行对比实验,并给出该算法的参数敏感性分析。实验结果表明:在相同的实验条件下,采用局部相似度保序投影方法处理后的数据具有较好的数据判别特征,在图像分类任务中表现最佳,与一些经典的降维方法相比,该方法具有更好的降维效果。

对比保序模式挖掘算法

针对现有的对比序列模式挖掘方法主要针对字符序列数据集且难以应用于时间序列数据集的问题,提出一种对比保序模式挖掘(COPM)算法。首先,在候选模式生成阶段,采用模式融合策略减少候选模式数;其次在模式支持度计算阶段,利用子模式的匹配结果计算超模式的支持度;最后,设计了动态最小支持度阈值的剪枝策略,以进一步有效地剪枝候选模式。实验结果表明,在6个真实的时间序列数据集上,在内存消耗方面,COPM算法至少比COPM-o(COPM-original)算法降低52.1%,比COPM-e(COPM-enumeration)算法低36.8%,比COPM-p(COPM-prune)算法降低63.6%;同时在运行时间方面,COPM算法至少比COPM-o算法降低30.3%,比COPM-e算法降低8.8%,比COPM-p算法降低41.2%。因此,在算法性能方面,COPM算法优于COPM-o、COPM-e和COPM-p算法。实验结果验证了COPM算法可以有效挖掘对比保序模式,发现不同类别的时间序列数据集间的差异。

保序递减变换半群的秩2自同态

令Tn为有限集Xn={1,2,…,n}上的全变换半群.本文刻画了子半群Cn={α∈Tn■x,y∈Xn,x≤y■xα≤yα且xα≤x}上秩2的所有自同态,并得到Cn的秩2的所有自同态的个数.

有限部分保序变换半群PO_n的具有某种性质的极大子半群(英文)

本文研究了有限链上的部分保序变换半群PO_n.通过对其幂等元的分析,获得了PO_n的极大正则子半群和极大幂等元生成子半群的结构与分类.

保E且严格保序部分一一变换半群的秩

设X是包含nm个元素的全序集,E为X上每个等价类都含有连续n个元素的等价关系.令SPOIE(X)为X上的所有保E且严格保序部分一一变换构成的半群.证明了SPOIE(X)的秩为nm.

降序且保序的有限全变换半群(英文)

设Jn为有限集X={1,2,…,n}上的全变换半群,Sn为Jn中所有奇异变换构成的子半群,记Sn-={f∈Sn:x∈X,f(x)≤x},Qn={f∈Jn:x,y∈X,x≤y f(x)≤f(y)},那么Sn-与Qn都是Tn的子半群,令Hn=S-n∩Qn,则Hn也是Jn的一个子半群,Hn的某些性质,诸如Green关系,Green星关系,秩和幂等秩都进行了研究,还证明了Hn是幂等元生成的,且可由J*中的n-1个幂等元生成.

核具有连续横截面的保序变换半群的秩

设自然数n≥5,Xn={1,2,…,n},On是Xn上的保序变换半群,OCKn是由On中核具有连续横截面的元所构成的子半群,证明了OCKn的秩为n.

保序压缩变换半群的理想的极大子半群

记Wn为n-元链Xn={1<2<…<n}(n≥4)的所有保序压缩变换所成半群,研究Wn的理想I*r={α∈Wn||imα|≤r}(1≤r<n)中所包含的极大子半群的分类、结构及个数.

层次结构综合评判中各种递结算子保序性研究

针对综合评判方法中常用的层次分析法,在分析常见逆序问题的基础上,提出层次分析法的递结算子的概念,给出满足严格保序性的5个基本条件.对常见递结算子(权重综合评判算子)的保序性进行研究,并证明加权乘积法是符合所有5种保序条件的算子,为综合评价方法中递结算子的合理选择提供了依据.

一种新的基于相似度过滤的大数据保序匹配与检索算法

伴随大数据时代的到来,数据快速保序匹配与检索成为众多大数据应用急需解决的关键问题,通过抽象与归约等措施,数据对象可抽象为具有若干属性的点集或序列,从而将数据匹配问题转化为字符或数字序列匹配问题。提出一种基于相似度过滤的数据保序匹配与检索算法,算法分三步:(1)数据转换,基于幅值变化趋势将原始序列转换为二进制,对序列中任何一个字符,通过判断包括其前后邻居在内的三个点的关系定义二进制序列,准确反映相邻三点之间的凸增长(降低)或凹增长(降低)关系;(2)数据归约,为方便候选序列与模式序列之间的相似度计算,运用基于幅度变化比例的数据归约方法,将候选序列与模式序列均归约到固定区间;(3)相似度计算,为区分不同趋势的凸增长(降低)或凹增长(降低)幅度,通过计算候选序列与模式序列对应点之间的差值绝对值之和作为相似度判断依据,提出基于相似度过滤的快速匹配方法,寻找与模式序列变化趋势一致的子序列集合,并按照相似度大小排序。理论分析与实验结果表明:(1)该算法具有亚线性时间复杂度;(2)该算法能有效解决Chhabra等人算法对数据震荡幅度失控的问题,同时解决数据序列与模式序列分段规律但整体不相似的问题;(3)解决了Chhabra等人算法中对匹配序列排序造成的匹配结果疏漏问题。该方法不仅能更准确、更多地匹配出变化趋势一致的子字符串,同时将多个候选子串根据与模式之间的相似度进行排序,为进一步的数据精确检索提供判断依据。

一种混合智能算法用于求解含保序约束的JSP

针对车间调度中计算复杂度问题,提出将神经网络嵌入遗传算法中,在初始化序列时考虑到工件中工序的加工顺序,采用基于保序的方法来对染色体进行交叉和变异。实验仿真表明,该算法能够获得比较理想的加工序列,在指定的代数内能够收敛于优值。

T_E(X)中局部方向保序变换半群的Green关系和正则性

设X为有限集合,OPPE(X)为TE(X)中局部方向保序变换半群.研究了OPPE(X)的G reen关系与正则性.

凸规划下的保序回归

本文从约束最优化的观点来研究保序回归的解的问题 ,利用MATLAB给出了保序回归问题的求解方法 ,使得求解速度大大加快。本文的方法对进一步讲座其他保序回归问题具有一般性。

应用规范化公式的MCDM保序研究

规范化公式的应用会破坏方案之间的独立性,导致逆序的产生。提出了两种改进规范化公式的方法以消除逆序,并以加权算术平均(WAA)集结算子的多属性决策分析(MCDM)为例验证了所提出方法的合理性和有效性。改进后的规范化公式不仅可以应用于WAA算子,还可以应用到其他类似的决策算子中。改进后规范化公式的应用可以降低和消除规范化公式对无关方案独立性的影响,使得MCDM决策过程更加合理、科学。

动态均衡的LB-BvN分组保序调度机制

针对LB-BvN交换结构的分组乱序问题,探讨了LB-BvN交换结构分组保序的约束条件。从网络流量的传输特性出发提出了解决LB-BvN交换结构分组乱序的DFA(dynamic flow assignment)算法和DFS(dynamic flowlet switching)算法。DFA算法以流为单元分派交换路径,能够严格确保流分组的保序交换;DFS算法是对DFA算法的优化,以流簇(flowlet)为单元进行交换以保证流簇的保序,进而确保属于同一条流的分组保序。DFA和DFS算法只需在线路接口卡上维护少量的流状态信息即可实现保序交换,仿真结果表明DFA算法和DFS算法具有良好的时延、时延抖动和吞吐量性能。

模糊优选保序条件及其在防洪调度中应用

为研究多目标模糊优选模型的权敏感性质,利用微分方法导出了模糊优选模型的权扰动方程,进而给出了保持方案相对优属度序列不变的保序条件和易序条件.将其应用于水库防洪调度方案优选中,结果表明该方法有效.

移动Agent系统的一个因果保序通信协议

讨论了移动Agent系统通信中因果序的保持问题。在界定系统模型和基本假定的基础上,对已有的Agent通信协议做了扩充,给出了一个支持因果保序的新协议。此协议对Agent数目的动态变化具有良好的适应性,较好地解决了移动所带来的影响。