网络管理告警数据库中时序规则挖掘的一种新方法

提出一种基于“最小发生的双时间窗口约束”时序规则挖掘新方法 .该方法依据“双时间窗口”约束和“最小发生”判据 ,可判别在一个时间窗内的哪些告警事件导致了另一个时间窗内告警集合事件的产生 ,快速寻找出不同网络设备告警与其它网络设备告警之间的关联知识 .通过对采集某省级 IP网的告警数据库进行规则挖掘实验 ,表明该方法可以准确、快速地挖掘出海量网络告警数据库中大量有意义的时序规则 ,这些规则可作为先验知识用来指导网络智能化故障定位。

基于时间段的时序规则发现

时序规则挖掘用以挖掘数据库中与时间相关的规则及模式。现今大部分时序数据挖掘均是针对基于时间点的,基于时间段的挖掘相对较少。在此提出一个新的基于时间段的时序规则挖掘算法,通过挖掘频繁闭模式集取代完整频繁模式集,减少了挖掘时间,算法效率很高。

基于时序关联规则的商品需求预测

为了满足商品销售企业对商品需求预测的需求,提出一种时序关联规则挖掘算法。利用企业商品销售数据与客户相关的特点,提出客户模式数据模型,针对该数据模型,给出时序关联规则挖掘算法。利用该算法对超市销售数据进行时序关联规则挖掘,得到了正确的结果,验证了其在实际应用中的有效性。

时序规则分布挖掘方法

发现时序规则的有效时间段,即规则的分布,有助于对序列行为进行更深入的了解。论文介绍了一种时序规则分布的挖掘方法:描述了相应的分割选择策略、频繁度量算法、知识表示生成方法、以及针对时间序列数据的规则分布挖掘系统的体系结构。该方法对于序列长度来说,时间消耗是线性增长的,并且支持在线的知识发现。使用人工生成数据与真实数据进行了实验,结果表明该方法可以有效地生成符合问题定义的规则分布表示,以应用于发现新奇的有用知识。

基于模糊集的时序关联规则的度量准则

指出了时序关联规则在支持度度量上的不足,存在处理高密度海量数据时往往要耗费大量的时间处理规模巨大的频繁候选集,同时需要多次重复扫描数据库,执行效率低等问题,提出了重新定义支持度度量方法的时序关联规则.针对时序关联规则在解决项分类时涉及到的分层不确定、不准确情形,引入了基于隶属度的模糊层次分类结构,定义了项间距离、项集间距离,最终得到一种新的关联规则间距离的度量方法.实现了模糊层次分类,将时序关联规则结果进行聚类分析,得到规则和规则之间相似性,实验验证了该方法的有效性.

时序关联规则在钻井事故中的应用

针对关联规则用于分析石油钻井事故的因果关系未考虑时间属性的问题,提出了一个分析石油钻井事故属性的时序关联规则方法。该方法是基于粗糙集、时间序列、关联规则的划分算法。首先,在粗糙集的基础上过滤数据库中冗余属性来获得核属性;然后,设定连续时间长度和子时间长度,连续时间长度被子时间长度划分为若干个等时间间隔;最后,基于改进Apriori算法在满足支持度和置信度的前提下生成时序关联规则。实验结果表明,时序关联规则算法可以准确预测钻井事故发生的趋势。

基于时序关联规则的设备故障预测方法研究

设备故障预测对于保证设备安全运行、提高设备管理效率具有重要的现实意义。考虑设备故障数据的特点,利用Apriori传统关联规则算法的思想,建立了时序故障数据模型。将故障数据转换为时序项集矩阵,针对该矩阵,提出了Apriori改进算法和频繁时序关联规则查找算法。利用这两个算法对设备故障数据进行频繁时序关联规则挖掘,预测设备故障趋势,为设备管理提供有力支持。并通过实例验证该方法的可行性。

基于滑动窗口聚类的时序关联规则挖掘方法

通过研究时间序列中特定时间段内某种趋势的频繁发生,提出基于滑动窗口聚类的时序关联规则挖掘方法。利用滑动窗口对时间序列进行离散,形成多个子序列;根据子序列之间的趋势相似性利用K-Means方法对离散后的子序列进行聚类,使得每个子序列与其所属类相对应,形成趋势序列;对趋势序列进行规则挖掘,利用J-measure准则对规则进行再次筛选。实验结果表明,该方法能使用户发现更有价值的规则,能反映规则在特定时间内的变化趋势,指导用户做短期的预测或决策。

客户时序关联规则挖掘方法研究

针对客户交易数据的特点,提出了一种基于前缀映射累加树的客户时序关联规则发现方法。将时间窗口内频繁项的信息映射到前缀映射累加树中,以降低频繁时序模式的搜索空间,提高时序关联规则的挖掘效率。另外,通过为特定的频繁项建立前缀映射累加树,可以挖掘特定的时序关联规则,并能以较精确的方式,发现具有一定模糊性的客户时序关联规则。实验结果表明,所提出的方法能够提高客户时序关联规则的挖掘效率。

一种时序关联规则改进算法的研究

对海量的时间序列进行处理,挖掘其背后蕴涵的价值信息具有重要的意义。本文结合了时序逻辑和数据挖掘的知识对基于FP_树的时序关联规则展开了研究,并在传统的算法基础上提出了一种改进算法。该方法不用生成大量的频繁模式候选集,从而提高了时序关联规则的挖掘效率。

基于Apriori算法的攻击行为时序关联规则检测方法

针对当前大部分入侵检测系统(IDS)的报警信息只包括对单独攻击行为的描述,缺少攻击行为之间的关联规则,使得IDS数量巨大的报警数据难以理解的问题,探索并实现了一种通过将报警信息进行关联生成报警序列,并且使用Apriori算法挖掘报警序列中的攻击行为时序关联规则的方法。实验证明了该方法能检测出报警数据中蕴含的各攻击行为之间的时序关联规则。

长短滑窗慢特征分析与时序关联规则挖掘的过渡过程识别

工况过渡过程与异常状态(故障)的数据特性极为相似。如果不对过渡过程加以辨识,极易导致过程监测系统频繁误报警,进而可能引发不适当的人工操作而严重破坏生产的稳定性。本文提出一种基于长短滑窗慢特征分析(slow feature analysis,SFA)与时序关联规则挖掘的过渡过程识别方法。首先,依据稳态工况和过渡工况在时间跨度上的差异性,提出一种长短滑窗与SFA相结合的多工况过程建模方法,将工况状态细分为多个稳态阶段与过渡阶段,并分别建立相应的离线SFA模型;然后,提出一种多时序多时间区间的同步频繁树构建方法,挖掘每种状态转变在多个时间序列与多个时间区间内的关联规则,以实现工况过渡过程的准确辨识。针对田纳西伊斯曼(Tennessee Eastman,TE)过程生成一组包含多模态相互转变的过程数据对所提方法进行实验验证,结果表明所提方法能够在频繁发生过程转变的过程数据中有效识别过渡过程,降低故障误报率,提高过程监测水平。

时态约束中时序关联规则挖掘

时态数据是一类重要的数据信息。利用数据中包含的时间属性可以形象描述数据中潜在的变化规律。从现有的时序关联规则的局限性出发，该文提出了一种新的基于聚类算法的时序关联规则提取方法。本文的方法将K—means聚类算法运用在关联规则模型构造上，将一个时序序列周期通过分割，形成几个长度相等或者不等的子时序序列，然后进行关联规则提取，从而能够更为准确的发现时序关联规则。

基于模糊集的时序关联规则研究与应用

基于模糊集的时序关联规则的研究与应用对于运算效率低下、项分类时分层不确定不准确等问题有积极意义,本次研究验证了其应用的有效性,希望能为关联规则的进一步研究应用提供参考。

关系数据库中模糊规则的快速挖掘算法(英文)

关联规则和时序规则是数据挖掘的任务之一 .在以往的算法中 ,规则通常用确定的数值或概念来表示 ,往往不具有实际意义 ,而且不容易被用户理解 .研究了从大型关系数据库中挖掘模糊关联规则和模糊时序规则的问题 .基于模糊集合的理论 ,提出了两个模糊关联规则的挖掘算法 ,然后把它们分别扩展为模糊时序规则的挖掘算法 .用模糊概念表示的规则更符合人的思维和表达习惯 。

基于时序的股票预测算法研究

提出了一种基于时序的股票预测算法。该算法基于时序,对股票在连续时间段内发生变化的数值进行研究,并利用该算法得到的结果进行预测。结果表明,这种方法对于事物的单属性预测是具有实际意义的。

分布式网络时序关联入侵攻击行为检测系统设计

分布式网络采用网状拓扑结构,传输链路数很大,在提高网络稳定性的同时也相应增加了遭受恶意入侵的风险。针对传统网络入侵行为检测系统设计存在的检测耗时长、准确率低、误报率高等不足,提出基于时序关联规则的分布式网络入侵攻击行为检测系统。基于时序关联规则算法原理,设计了入侵检测系统的硬件构成,系统硬件部分由数据采集、规则解析、协议解码、数据预处理及检测分析模块等部分构成;在入侵检测系统的软件算法流程方面,重点将入侵数据集变换为一种基于时序的项集矩阵,求解出相关的频繁项集及时序关联规则,实现对分布式网络入侵行为的精确检测。实验数据表明,提出的入侵系统设计具有良好的系统稳定性及检测效率,在检测精度和误报率控制方面也具有优势。

基于模糊聚类的网络故障预报

文章针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题,提出了一种基于模糊聚类的时间序列规则挖掘新方法。该方法引入模糊聚类理论,可预测出一些告警(联合)事件的发生将导致哪些告警(联合)事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验,表明该方法可以准确、有效地挖掘出隐含在海量网管告警数据库中大量有意义的时序规则,规则中的概率参数(置信度和支持度)可作为网络管理的先验知识用来指导网络故障的诊断和预报。

序列模式挖掘在教学管理上的应用

序列模式挖掘是指从序列数据库中寻找频繁子序列作为模式的知识发现过程。本文将序列模式挖掘应用于教学管理,对学生成绩样本数据按照序列数据库模式进行建模和数据挖掘,得出置信度大于65%的时序关联规则3条。实验结果表明,将序列模式挖掘应用于教学管理,对相关课程成绩进行数据挖掘是可行的,发现的时序关联规则对学校的教学管理和学生学业促进有一定的实际指导意义。

企业主体行为、外部经济环境变化与跨境资金流动风险

本文使用时序关联数据挖掘方法,研究跨境资金流动与企业主体行为特征、外部经济环境变量之间的关联关系,并基于2010-2018年沿海地区某省数据进行实证分析,结果表明:一是跨境资金流动风险向房地产业、交通运输业和批发零售业聚集,向具有外币资产或负债存量高、资本项下收支占比高、进口依赖度高、经营规模偏中上型、存续期较长等特征的一部分企业聚集,呈现出"二八"分布特征;二是企业跨境资金流动行为具有较强的顺周期性,汇率变动是引发跨境资金流动风险的重要因素,人民币汇率贬值对企业跨境资金流出的影响强于汇率升值对企业跨境资金流入的影响;三是非贸易类企业跨境收支行为更容易受到外部因素的影响,进口依存度高的企业跨境资金流动风险更大,资产负债存量高的企业出现跨境资金流动风险的概率更高。为此,要建立健全企业跨境收支行为风险监测、监管体系,完善"宏观-中观-微观"的风险监测架构,遵循"抓大放小"的监管思路,实行分类监管模式;要综合运用外汇调控工具调节企业跨境收支行为,加强对银行综合头寸的管理,强化审慎调节工具的使用,防控企业跨境收支风险;要加强对风险易暴露的资金渠道管理,做好对企业广义外债的总量管理,强化贸易收支项下的比例管理,提高监管的针对性、有效性。