基于改进GSP算法的软件故障诊断研究

提出了基于软件运行序列和改进序列模式挖掘GSP算法进行软件故障诊断的方法。首先利用软件黑匣子进行软件运行序列的提取,然后通过改进的GSP算法进行软件故障诊断定位。实例分析结果表明,该方法能有效地挖掘隐藏在软件运行序列中的信息,实现软件故障诊断。

基于GSP算法的Web用户访问序列模式挖掘

该文以某电子商务网站的Web访问日志为研究对象,利用SQL Server提供的SSIS服务和T-SQL语句进行数据预处理,得到序列数据库,然后用java语言编程实现GSP算法对其进行序列模式的挖掘测试分析,通过对结果分析可以做出对该网站布局和内容(或产品)调整提供参考,使其更好为其用户提供针对性的服务。

基于GSP算法的卷烟消费者研究

烟草专卖法规定,卷烟消费购买只能在线下进行,导致收集卷烟消费者数据困难。当卷烟行业进行品牌营销活动时,无法精准找到目标消费人群,营销效果不佳。因此,基于广义序列模式(Generalized Sequential Pattern,GSP)算法,先采用滑动时间窗技术构建消费者序列表,再构建频繁集,最后通过GSP算法挖掘卷烟消费者的购买行为规律。通过挖掘真龙(美人香草)消费者行为揭示了这类消费者的购买来源和去向品牌,基于此规律开展品牌营销活动,实现精准营销的活动效果。

基于GSP算法和增强现实技术的景观交互系统设计

针对城市公园景观存在多人语音识别耗时长、识别准确度低,导致景观交互效果不佳的问题,结合GSP算法和增强现实技术,提出设计一个景观交互系统。首先,将系统分为语音采集与录入、语音分离模块和语音播放及可视化展示模块;然后在语音分离模块中采用一种语音分离与HMM相结合的语音增强算法,通过此算法对含噪语音进行混合状态解码和语音估计。实验证明,在信噪比为0 dB、5 dB、10 dB和15 dB四种不同的高低信噪比下,感知评价指标PESQ得分均有所提升。当语音信号长度为3 s,语音状态数和噪声状态数分别为100和4时,提出算法的平均耗时保持在18.55 s范围内,平均耗时较低。由此说明,提出的算法可有效去除噪声,通过此算法能够降低计算量,提升计算速度和识语音别准确率。系统验证发现,设计的系统功能模块完善,可实现城市公园景观多人语音识别和分离,景观交互效果显著提升。

GSP与PrefixSpan算法的比较与分析

针对序列模式挖掘中的两种经典算法GSP算法与PrefixSpan算法执行过程及其特点进行了比较,并对这两种算法的时空执行效率进行了定性分析比较,指出了两种算法各自的适用范围,得出的结果对序列模式挖掘系统的设计有重要的参考价值。

基于改进序列模式挖掘算法的告警关联模型

在电力故障发生时,会产生大量的电力故障告警信息数据,如何从电力故障告警信息中挖掘出可靠的关联规则,对后续电力的调度运维有着重要的影响。广义序列模式(Generalized Sequential Pattern,GSP)算法通过增加时间上的约束条件提高算法的效率,适合应用于电力故障告警信息挖掘的场景。针对GSP算法中的关键参数多和不同的参数组合影响算法的准确性和可靠性的问题,将遗传算法与GSP算法相结合,自适应地得到一组较好的参数,将参数代入GSP算法,从而得到更加可靠的关联规则,以此来解决在电力故障告警信息应用中很难为不同的数据集找到合适的参数组合的问题。通过实例验证,电力故障告警信息数据应用遗传算法结合GSP算法能够有效地得到更加准确和可靠的计算结果。

序列模式挖掘的两种典型算法及比较

序列模式挖掘是数据挖掘的重要分支,GSP算法与PSP算法是序列模式挖掘中的两种典型算法。本文介绍了这两种算法并对其进行了分析与比较。

基于MapReduce的序列模式挖掘算法

针对传统GSP算法需要多次扫描数据库、I/O开销巨大的缺点,提出了一种基于MapReduce编程框架的序列模式挖掘算法MR-GSP(GSP algorithm based on MapReduce)。MR-GSP算法将原序列数据库划分为多个子序列数据库并分发到多个Map节点,Map函数扫描存放在Map节点内存中的子序列数据库,产生局部序列模式,Reduce函数对所有局部序列模式合并,扫描原序列数据库,计算局部序列模式的支持度,得到最终的序列模式。相比于传统GSP算法,MR-GSP算法只需扫描两次原始数据库即可得到所有序列模式。实验结果表明,MRGSP算法在对大数据集进行序列模式挖掘时,可充分利用云计算技术的优势,提高挖掘效率。

一种模糊频繁趋势挖掘新算法

本文在Chun-Hao Chen等人的基础上,将模糊频繁趋势挖掘转换为序列模式挖掘并利用序列模式挖掘中的GSP算法生成候选序列模式并进行剪枝,能够更有效减少候选序列模式数量,从而高效的挖掘模糊频繁趋势,提高算法的效率。

序列模式挖掘在DoS入侵检测中的应用

序列模式挖掘广泛应用于网络入侵检测,运用Weka软件的序列模式挖掘算法对KDDCUP99数据集中的拒绝服务攻击记录进行序列模式分析,得到的频繁序列为开发入侵检测系统提供依据。

序列模式挖掘在车流量预测上的应用研究

为了向出行者提供未来某段时间某一路段的车流量情况,需要对正在道路上行驶的车辆行驶路径进行预测分析.针对车辆行驶路径序列相邻两项为道路相邻节点的特点,对传统GSP算法的候选序列模式产生方式进行了改进,优化了传统GSP算法,挖掘出车辆行驶路径序列模式.在此基础上,结合车流量历史数据,建立了车流量预测模型.