基于改进Prefix Span的结构超手册修理方法推荐

针对当前民机结构超手册修理能力提升的迫切需求,提出了一种基于改进Prefix Span的结构超手册修理方法推荐模型。以某型国产民机结构超手册修理案例数据为样本,构建案例特征指标层次并对数据分级和结构化预处理,基于改进Prefix Span算法对案例损伤信息和修理方法频繁序列进行充分挖掘,生成超手册修理关联规则集,通过目标案例和频繁序列间相似度匹配,实现了超手册修理方法的智能推荐。测试结果表明,模型超手册修理方法推荐总准确率可达85.3%,显著高于改进前算法,具备良好的准确性和可用性,可为结构超手册修理决策、方案制定等提供一定的参考依据。

一种改进的PrefixSpan应用层特征自动提取算法

针对基于DPI的网络流量识别中的指纹特征提取困难问题,文章提出了改进的基于Prefix Span算法的连续序列模式挖掘算法来提取应用层指纹特征。首先,改进的算法在挖掘应用层特征时加入了属性约束。其次,在进行频繁序列投影前,又引入剪枝策略。最后,通过实验表明该改进的算法在挖掘应用层指纹特征方面大大提高了效率,提取出来的特征可有效地应用于网络流量识别技术中。