基于相似度的离群模式发现模型

提出了基于相似度的离群模式发现模型 ,该模型主要利用知识属性集分析离群点 ,既能够处理离群点的数值属性 ,又能够处理其类别属性 ;通过组间相似度从中发现离群模式 ,不仅回避离群点数量少的缺陷 ,还利用了离群点的隐含语义 .给出了在银行结售汇交易数据上进行的实验分析结果 ,模型发现了某地区的 3个可疑模式 ,该结果为金融犯罪分析提供有利线索 ;利用不同子空间角色划分 ,可以发现个人、地区等不同对象间的异常资金流动 ;模式发现算法具有线性时间复杂度 ,在实际应用中具有较好的性能 .结果表明模型能检测出可疑资金流动序列 ,为反洗钱工作提供有意义的线索 .

基于时间序列相似度的离群模式检测模型

针对常规基于单点数据比较的离群模式检测忽视现实生活各种波动周期规律的问题,提出采用时间序列相似度的检测方法.通过基于重要点的时序线段拟合方法描述整体波动规律,以线段斜率比较描述时序走势的相似度.模型克服了一般时序分析算法复杂度高、缺乏整体波动规律把握的缺陷,可以有效解决目前可疑金融交易监管系统高误报率、报送数据调查价值低的问题.对金融外汇交易真实数据的实验结果证实了模型在交易波动周期规律发现上的有效性.

基于分形理论的股票时序数据离群模式挖掘研究

针对股票时间序列的特点,从离群点对股票时序数据有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G-P(Grassberger-Procaccia)算法计算股票时间序列数据集的多重分形广义维数,并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明,该方法能有效地解决股票时间序列离群模式挖掘问题。

一种基于时序离群模式挖掘的通信异常分析技术

将时序离群模式挖掘应用到通信领域的异常分析，通过知识集将通信日志数据表示成多维的时序数据，经过规格化处理后降为一维时序数据，再将时序数据划分为若干个子序列，在此基础上采用传统离群点挖掘算法检测出异常的通信日期，再使用异常目标的发现算法来定位异常的通信目标。实验结果表明，该算法简单有效，具有较好的实用性。

安全离群点检测管理模式在医用气体智慧化系统的应用

为分析常规报警检测管理模式与安全离群点检测管理模式在医用气体智慧化系统中的管理效果,选择医用气体智慧化系统使用装置,以管理模式不同将其分为对照组和研究组。对照组采用常规报警检测管理模式,研究组采用安全离群点检测管理模式,比较两种管理模式在安全隐患、系统运行质量、满意度等方面的差异。研究组应用医用气体智慧化系统中的管理制度、设备设施、常规检查、应急处理来评分,其结果显著高于对照组。设备运行效率、报警频次、维修频次以及应急维修时间显著优于对照组;应用满意率显著高于对照组,组间差异具有统计学意义(P<0.05)。因此,将安全离群点检测管理模式应用于医用气体智慧化系统管理中具有较好的效果,可以查找设备管理中存在的问题,优化管理模式,提升医用气体系统的运行质量。

利用层次约束Delaunay三角网探测空间点事件离群模式

空间离群模式探测是空间数据挖掘的一个研究热点。以带有空间位置属性的点事件为研究对象,针对现有方法的局限性,在扩展了空间离群模式定义的基础上引入层次约束Delaunay三角网,发展了一种空间点事件离群模式探测方法(简称层次约束TIN法)。首先,借助Delaunay三角网粗略地构建空间点事件间的邻接关系;然后,利用统计学方法针对Delaunay三角网的边长特性进行三个层次约束分析,以精化空间点事件的邻近域;最后,对具有空间邻接关系的点事件集合进行统计分析,以形成一系列空间簇,并通过一个统计约束指标提取数量较少的空间簇,即空间点事件离群模式。该方法不需要人为输入参数,通过模拟数据和实际数据实验,证明该方法可以有效、稳健地识别各类空间点事件离群模式。

基于离群特征模式的股市波动预测模型

由于股票价格波动具有较强的突变性且易受外界因素影响,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SFSVM)。该算法首先利用马尔可夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响;对目标结点的指标进行分析,提取异于一般行为的离群特征模式;利用滑动窗口捕捉离群特征,将离群特征模式作为先验知识加入原SVM模型,预测尖峰点并平滑尖峰点对于预测结果的影响,提高预测模型的稳健性。在股票板块数据上进行实验结果证明,SFSVM算法相对于神经网络和标准的SVM算法,在股票的走势预测方面有更好的预测效果。

离群数据之间模式相似性的分布式挖掘

提出了分布式系统中各站点离群数据之间模式相似性挖掘算法,该算法首先利用基于距离的离群数据挖掘算法挖掘各自站点的离群数据,然后计算离群数据的知识集,最后依据各站点知识集的分布情况来判断离群数据之间的类别相似性和行为相似性。

基于时序离群检测的新的分段方法

在对时序数据进行离群检测之前,一般先将原时序数据划分为若干个子序列,以便降低计算复杂度。现有的子序列划分方法一般是依据应用要求进行,而在某些情况下应用要求无法转换为有效的子序列划分方法。因此,提出从时序数据自身特点出发,得到突变系数和重要点,依据重要点和突变系数的新的划分方法,并以微软的股票数据进行测试。实验结果表明,分段方法不依赖于应用要求,具有简单、直观的特点,与相关算法相比,具有更高的检测精度。

A kind of signature scheme based on class groups of quadratic fields

Quadratic-field cryptosystem is a cryptosystem built from discrete logarithm problem in ideal class groups of quadratic fields(CL-DLP). The problem on digital signature scheme based on ideal class groups of quadratic fields remained open, because of the difficulty of computing class numbers of quadratic fields. In this paper, according to our researches on quadratic fields, we construct the first digital signature scheme in ideal class groups of quadratic fields, using q as modulus, which denotes the prime divisors of ideal class numbers of quadratic fields. Security of the new signature scheme is based fully on CL-DLP. This paper also investigates realization of the scheme, and proposes the concrete technique. In addition, the technique introduced in the paper can be utilized to realize signature schemes of other kinds.