移动环境中的最大移动序列模式挖掘(英文)

在移动通信环境中 ,移动序列模式挖掘对于有效的提高位置管理的服务质量具有重大的意义。移动序列模式挖掘和传统的序列模式挖掘是不同的 ,首先 ,前者需要考虑更多的时间因素 ;其次 ,移动序列模式中的项之间是连续的 ,因为关心移动用户的下一次移动情况。本文提出了一种挖掘移动序列模式的新技术 :聚类的思想引入到移动序列模式挖掘来处理移动历史的时间离散化 ,并且提出了一个高效的PrefixTree算法来挖掘移动序列。性能研究表明 ,PrefixTree算法优于PrefixSpan

OSAF-tree——可迭代的移动序列模式挖掘及增量更新方法

移动通信技术和无限定位技术的发展积累了海量的、动态增长的时空数据 利用数据挖掘技术从移动用户的时空行为轨迹当中挖掘用户移动序列模式 ,在移动通信、交通管理、基于位置服务等领域有着广泛的应用前景 由于移动环境网络资源珍贵、数据量大的特点 ,传统的序列模式挖掘方法在效率上很难满足需求 OSAF tree算法基于投影的概念 ,只需要对数据库进行一遍扫描 ,就可以很好地处理移动序列模式的挖掘及其增量更新和迭代挖掘问题 ,这是一个非常高效的算法 与已有的方法相比 ,OSAF

两种隐形正畸序列磨牙远移的有限元比较

目的比较两种远中移动序列的无托槽隐形矫治在磨牙远移方面的执行效果。方法建立包含牙体、牙周膜、牙槽骨及隐形矫治器的下颌右侧7颗牙齿有限元模型,分别选用两种推磨牙远中移动对牙齿进行模拟第二磨牙远移0.5 mm的过程,采用牙槽骨重建技术模拟长期牙齿移动效果。结果V型、ZC远中移动序列第二磨牙最大远中位移分别为0.27、0.34 mm,ZC远中移动执行效率增大13.34%;牙齿内倾分别矫正0.18、0.44 mm,舌侧内倾角度分别矫正1.15°、2.69°,ZC舌侧内倾矫正率提高15.01%;远端倾斜分别增大1.83°、0.84°,ZC远端倾斜角度减小54.10%。结论ZC远中移动序列方法在无托槽隐形矫治中能够更有效地实现磨牙远中移动,减少磨牙远中倾斜和矫正磨牙舌侧内倾,为无托槽隐形矫治创造前牙间隙提供有利条件。

基于移动交易序列模式的用户行为模式增益挖掘研究

在移动运算环境中挖掘用户行为模式是目前数据挖掘应用领域新兴的研究热点课题,通过整合商业事务动态路径发现移动商业序列模式,即基于移动用户行为的移动交易序列信息挖掘模式。基于深度优先搜索与宽度优先策略,对单位增益(利润)与类别商品交易量进行关联挖掘,首先是基于增益模式集成挖掘高增益移动行为序列,其次是依赖频次模式挖掘解决不同类型商务模式的顾客行为序列模式,然后是在移动交易环境下验证评价算法的执行效率。提出基于移动商务行为特征数据信息构造树算法,挖掘移动商务行为数据的品类特征信息,在同类算法结果比较中较高水准地表达发掘移动序列行为模式。实验评价实施中分析用户序列商业行为与绩效比较,通过两个典型算法比较,结果表明构造树算法能在综合移动电子商业环境下发现移动商业交易框架下的用户事务行为路径及用户倾向性的交易行为,便于规划及管理现有的移动电子商务平台。

基于变动窗口和移动序列的基因识别算法

采用信号处理技术来识别DNA碱基序列中的基因片段的方法,已经成为一种重要的基因识别途径,重新编码的DNA序列存在大量噪声信息,使得目前很多识别算法无法准确的识别外显子片段的起始位置。本研究通过对"固定长度滑动窗口-频谱曲线法"和"移动序列-信噪比法"的实现与改进,提出了一种基于变动窗口和移动序列的基因识别算法。首先,对已有基因识别算法进行编程实现;采用小波分析对识别结果进行消噪处理;探讨识别最优固定长度M的选择,提出基于变动窗口和移动序列的基因预测模型,并编程实现。最后使用该模型对已有基因序列进行识别,其识别准确度达到77.57%。

基于序列移动距离的用户行为挖掘与相似度计算

为了对用户的行为进行相似性度量,从用户行为流程产生的行为序列出发计算用户行为的相似度。将推土机距离算法应用到用户行为相似度的计算领域,提出用户行为相似度计算的序列移动距离方法。首先定义了基于最长公共子序列的用户行为序列距离度量方法;其次定义了用户行为序列多重集之间距离的度量指标,在此基础上提出用户行为相似度计算的SMD方法;最后提出行为序列多重集之间距离度量应遵循的基本准则。在人工和真实数据集上进行了实验,实验结果表明了所提方法的有效性。

下一代移动推荐系统

推荐系统的目的是通过利用用户的评价信息,实现从过载的信息中识别出用户感兴趣的内容.移动环境下的空间数据复杂性较高,并且用户的上下文信息更加模糊,从而使得移动个性化推荐相比于传统领域面临更大的挑战.本文通过介绍传统推荐算法和移动环境下个性化推荐的特性,给出了移动推荐的挑战;在基于GPS信息的出租车线路推荐和旅游包推荐两个移动案例基础上,提出了移动序列推荐问题及基于约束的旅游推荐问题,并给出了相应的解决方案.

GPS位置历史挖掘和移动轨迹异常检测系统的设计与实现

为了发现候鸟的公共移动模式和异常迁徙行为,通过对候鸟位置历史数据建模,设计与实现了位置历史挖掘和异常检测系统,分析并可视化展示候鸟迁徙过程中经停地和移动序列的分布状况及其重要性。通过计算候鸟移动序列相符度并可视化展示结果,发现候鸟迁徙的公共模式和异常行为。使用青海湖斑头雁的卫星遥测数据验证了这一系统,结果发现了斑头雁的三个公共移动模式和三个异常迁徙行为,验证了该系统的有效性。

时间序列—马尔科夫组合模型在建筑物沉降变形监测中的应用

为了研究时间序列—马尔科夫组合模型在建筑物沉降变形监测中的应用,文中对无偏灰色模型、时间序列线性移动平均法及马尔科夫模型进行研究,并对3种方法的预测结果和精度进行对比分析。结果表明:由于随机性波动的影响,传统的无偏灰色模型预测不易显示出沉降趋势,且预测周期较短。时间序列线性移动平均法和马尔科夫模型可以处理时间序列的随机波动,能克服无偏灰色模型预测随机波动性大的序列时精度较低的问题。结合二者构建的时间序列—马尔科夫组合模型,预测精度高、中长期预测能力强,更适用于建筑物沉降非线性变化的特点,可以为建筑物沉降的中长期预测提供理论支持。

基于移动性相似用户的位置预测

随着定位技术的发展以及智能设备的普及,人们越来越喜欢在基于位置的社交平台发布自己的地理位置。而用户移动行为具有随机性、多样性和时序性,基于向量自回归的位置转移演化算法(LTE),很好地学习用户位置转移随时间、空间变化的规律,然而该算法未考虑相似用户对目标用户移动行为的影响。针对这一问题,提出基于移动性相似用户的位置预测算法。实验表明,该算法可以在一定程度上排除非相似用户对发现目标用户位置转移规律的干扰,具有较高的性能。

广义Hanoi塔问题的动态规划算法

基于动态规划算法思想,深入分析了广义Hanoi塔问题动态规划分割点的特征,给出动态规划分割点的简单计算公式,使得动态规划算法转化为一个非常简单的递归算法,由此可以迅速产生广义Hanoi塔问题的最优移动序列,从而彻底解决了广义Hanoi塔问题的最优移动序列问题.

城市快速路瓶颈交通震荡特性研究

采用基于长期累计值与近期均值比较思想的累计移动序列法对上海市快速路系统中典型瓶颈路段（驶入匝道、驶出匝道）交通震荡的传播速度、振幅以及移动时间步长、背景车速与振幅的关系等特性进行研究。结果发现震荡始于瓶颈排队下游,自下游向上游传播,传播速度保持在20～25km/h;在不同移动时间步长下,2类瓶颈震荡振幅与移动时间步长的相关系数分别保持在0.964 2～0.999 8及0.982 2～0.999 4,表现了高度正相关性;而背景车速与振幅无显著相关性。最后发现,道路基础设施布局影响振幅的变化,震荡传播超越驶入匝道后,振幅被削弱;震荡传播超越驶出匝道后,振幅被放大,该结论可为快速路匝道控制算法提供参考数据。

科技进步对新农村建设影响的预测及评价

本文研究了"十一五"期间科技进步对新农村建设的影响的若干问题。通过建立相关的预测和评价模型,测算科技进步贡献率,反映科技进步对新农村建设产生的影响。本模型对进一步促进新农村建设具有现实意义。

城市出租车出行推荐系统的研究

当今社会,互联网行业蓬勃发展,使得网络上信息过载,于是推荐问题越来越受到重视,出租车出行的推荐也是近几年的研究热点之一。本文分析了出租车出行推荐的背景以及推荐系统的发展,分析了移动推荐系统的复杂性,并将出租车出行推荐抽象成移动序列推荐的问题,给出了相应的解决方案。

上海证券市场与美国、中国香港证券市场的互动特征

在证券市场领域,美国市场对中国香港市场和上海市场均有影响。在上海市场和中国香港市场之间,上海市场的变动影响着中国香港市场,但并未发现中国香港市场影响上海市场的证据。这说明,上海证券市场已经成为中国区域的主导性市场。

第37届IMO预选题及解答(下)

15.设{a,b},{c,d}分别是两个矩形的长与宽,且a【c【d【b,ab【cd。

汉诺塔问题的深入探讨

汉诺塔问题古老而有趣,是经常用作程序设计递归算法的典型例题。澳大利亚M·C·Er论证了单向移动的若干性质,并给出了相应迭代算法。但他在论述对称性时,隐含删去无效移动;而计算移动次数时又默认无效移动的存在,两者互相矛盾。本文以删除无效移动为出发点,严格论证了单向汉诺塔移动的对称性与唯一性,同时证明了各种移动序列可以相互变换。

第37届IMO预选题

1.设a、b、c是正实数,并满足abc=1.证明: ab/（a5+b5+ab）+bc/（b5+c5+bc）+ca/（c5+a5+ca）≤1,并指明等号在什么条件下成立. 2.设a1≥a2≥…≥an是满足下述条件的n个实数,对任何整数k】0,有a1k+a2k+…+ank≥0成立.令p=max{|a1|,|a2|,…,|an|}.证明:p=a1,并且对任何x】a1。

双特征参数基因识别算法实现

基因识别问题首要的工作是对数字化后的基因序列利用离散傅里叶变换(DFT)进行频谱分析.对于很长的DNA序列,功率谱或信噪比计算量很大,推导出了DNA序列在Voss映射、Z-curve映射和实数映射下的信噪比快速算法,以及在Voss映射与Z-curve映射下的信噪比的关系.针对阈值确定的问题提出了基于滑动窗口的局部阈值的算法,在分类时达到了很好的效果.另外,实现了基于移动序列信噪比曲线的基因识别方法.最后,由于DNA序列的3-周期性实际上反映了核苷酸在基因序列的三个子序列上分布的"非均衡性",因此引入"方差均值"特征来衡量该非均衡性,提出了基于方差均值的单因素基因识别方法及以信噪比和方差均值作为特征向量,并设计多项式分类器的基因识别算法.