基于带语义差别的模糊Taxonomy的交易数据库关联规则聚类

关联规则聚类是大量关联规则的一种有效组织方式,本文针对基于商品分类信息的规则聚类方法存在的不足进行了改进,同时考虑了不同层次间的项目语义差别,以及具有不同隶属度的项目细致语义差别,将商品分类树改进为模糊Taxonomy的有向无环图结构,该结构可以处理一个项目同时属于多个父结点的情况.我们充分考虑了有向无环图的性质,提出了带细致语义差别的模糊Taxonomy结构构建方法和相应的规则距离计算方法,其中,规则距离计算过程中的项集距离计算方法无需计算最佳匹配,因此,具有较小的时间开销.规则距离计算和聚类可视化试验结果表明了该方法的可扩展性和有效性,在规则的聚类计算上取得了较为满意的结果.     

基于数据挖掘的入侵检测系统研究

入侵检测系统是目前网络安全研究的热点。本文阐述了一种应用数据挖掘的入侵检测系统模型。经过大量实验测试,改进后的模型与原模型相比,有着更为优秀的自我完善和自学习功能;此外,改进后的模型可利用数据挖掘中的聚类算法和关联规则算法实时更新模型入侵规则库和训练数据,检测已知和未知的入侵行为的能力大大提高。     

基于环境属性模糊相关度的入侵警报验证算法

分布式入侵检测系统通常具有较高的误报率。为有效滤除错误警报和无关警报,改善入侵检测的效果和性能,本文提出了一种基于环境属性模糊相关度的入侵警报验证算法。该算法基于模糊逻辑,综合考察警报信息与操作系统、应用服务、攻击漏洞、安全配置等多方面环境属性的相关度,扩展了警报验证的依据信息范围,同时考虑各环境属性间的相互关联性,增强了传统警报验证方法的合理性和适应性。     

基因表达数据的模糊聚类技术研究

利用聚类分析工具可以从海量的、日益增长的基因表达数据中解析出其中可能的编码基因及其生理功能,这是生物信息学中一项很有意义的工作。模糊聚类算法是一种常用的基因表达数据聚类分析工具,可以发现重叠的基因簇,它不强制将每个基因归入某个具体的聚类中,而是计算每个基因对各个类的隶属度。本文分析了基因表达数据的模糊聚类分析方法及其重要应用。     

基于关联规则的图书馆读者聚类算法研究

借用商业领域顾客购买行为关联性分析的相关研究,通过对Apriori 关联分析算法的分析,提出符合图书馆环境的修正的图书馆读者关联分析算法,借此可以通过读者借阅历史记录实现图书馆众多读者的聚类划分,完成图书馆读者的“同好”归类;通过读者推荐实例实现图书馆个性化服务的初步实践,同时为实现图书馆知识联盟、读者社群的构建提供技术辅助支持。     

一种基于压缩规则的关联分类方法

目前基于关联分类方法的分类器通常只选取少数高质量的类规则进行分类,使得一部分待分类的数据无法分类。鉴于压缩规则可以表示多条同质量的类规则,且比单一规则具有更好的数据匹配性,提出了以压缩规则为单位构造分类器的方法,实验结果表明,新的方法提高了分类的能力和精度。     

基于传感器网络和模糊神经网络的智能小区无线入侵检测系统

本文是对基于无线传感器网络和模l糊神经网络（FNN）的智能社区入侵检测系统的详细研究誊该系统由基于园正tM（高级重usc计算机）数据采集节点,无线网络和中央控制器组成。数据采集强节点利用传感器来采集信息,通过图像检测算法来处理所采集的数据信,钆然后利用无线网络将处理后的数据传送至中央控糊器的。当有入侵时,系统启动相机和模糊神经网络．用来拍摄并传输人脸图像。我们构建了模糊神经网络,并用Lenbe略一马奁特优化算法训练模糊神经网络,从而提高系统的收敛速度和识别的准确性。随着自我学习能力的加强和非线性函数在模糊神经网络的应用,这种识别方法可以来精确识别人脸。该系统解决了传统系统缺陷,提高了系统的智能性,减轻工人的工作压力。     

基于率失真理论的模糊聚类模型与算法

本文从信息论的角度考虑了聚类问题,将聚类看成是有损信息压缩的过程.首先运用率失真理论建立了模糊聚类的优化模型,与经典的模糊聚类模型相比,模型的目标函数中多了一个描述聚类过程复杂度的指标.同时为了估计聚类数目,还提出了一个新的聚类有效性指标.其次通过求解优化模型得到基于率失真理论的模糊聚类算法.最后将基于率失真理论的模糊聚类算法与经典模糊C均值算法进行了数值实验比较.数值实验结果表明基于率失真理论的模糊聚类算法能够自动确定聚类数目,在运行时间上比模糊C均值算法有一定减少,且最终的模糊划分矩阵与模糊C均值算法相比有较少的模糊性,因而聚类结果更加明确可靠.     

Web日志中模糊泛化关联规则的提取

大多数传统的数据挖掘算法,通常是在二进制值的事务数据库中在单一层次上发现属性之间的关联关系即关联规则,但是大多数的数据库包含有大量量化的值。通常人们采用分区的方法处理量化值,然而这种处理方法带来分区过硬的问题。本文使用模糊的方法从Web日志中发现模糊泛化的Web网页之间的关联规则,它们能够体现出带模糊浏览时间的网页之间的关联关系。通过实例分析表明,该算法在可承受的计算时间内可对Web日志中的用户存取模式进行有效的模糊泛化关联规则的提取。     

模糊聚类算法分析及程序实现

本文详细介绍了模糊聚类算法的产生过程以及应用模糊聚类算法进行模糊分析的ASP代码,最后通过一个具体的实例,对模糊聚类算法进行了验证。     

基于灰关系分析的模糊聚类

灰关系分析(Grey relational analysis, GRA))能够度量参考样本和比较样本间的相似性而广泛应用于聚类算法中,但目前基于GRA的聚类方法对灰关系阈值的设定采用尝试法,难以刻画信息的完全度.为此,本文将灰关系分析所学习的相似性度量嵌入到流行的模糊聚类算法中,从而提出了基于灰关系分析的模糊聚类方法.分析了灰关系性质和核机理论相似性基础之上,由灰色理论中的灰关系衍生出一种新型核--灰关系核,同时,也由核机理论诱导出一种新的灰关系度量,从而构建了灰关系分析和核机理论间的一条联系纽带.UCI数据集上的模拟实验验证了基于灰关系分析的模糊聚类方法和所提灰关系度量的有效性.     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。     

竞争对手分类和排序的灰关联聚类模型及其应用研究

本研究应用灰色系统理论,构建了竞争对手分类和排序的灰关联聚类模型,将评价对象系统化、模型化.克服了综合评价中给作用不同的指标赋以不同的权重的主观因素的影响,赋权的原始信息直接来源于客观环境,不仅能对待评对象进行聚类,同时还可以评出它们的优劣.并以中国彩电行业为例,对该模型进行了应用研究,结果能够较准确和直观地反映彩电企业间的竞争态势,证明了模型的有效性和实用性.     

一种考虑数据类大小和密度差异的模糊聚类有效性指标

聚类有效性指标用于评价聚类质量和确定最佳聚类数,针对包含大小和密度差异性较大数据类的数据集,在分析了传统模糊聚类有效性指标不足的基础上,提出了一个同时考虑紧致性、重叠度和分离性的聚类有效性指标COS.类内紧致性用一定阈值内的隶属度之和与最大类内距离之比表示,一定阈值内各样本同属于两个类的隶属度差异反映了这两个类的重叠度,类间分离性的度量为最小类间距离,使COS指标值最大的聚类数即为最佳聚类数.在四个人工数据集和iris真实数据集上利用模糊C均值算法进行聚类实验的结果表明,COS指标可以有效发现小类和低密度类.     

基于特征属性模糊相似度的入侵警报聚合算法

分布式入侵检测系统的一个显著缺陷是会产生大量的重复警报。为有效消除警报冗余,改善入侵检测的效果和性能,本文提出了一种基于特征属性模糊相似度的入侵警报聚合算法。该算法基于模糊逻辑,综合分析警报的攻击类型特征、时间特征、空间特征三维属性,通过分别定义具体的隶属函数,按照攻击类型和时空特征属性模糊相似度对入侵警报进行聚合,比传统的精确匹配法和概率统计方法更适合于处理入侵警报信息的相似性。     

基于粒子群的模糊C均值文本聚类算法研究

利用模糊C均值算法解决文本聚类问题时,随机选取的初始聚类中心和聚类数会导致不同的聚类结果,且容易陷入局部最优。提出利用粒子群优化算法确定模糊C均值的初始聚类中心,并通过向量空间模型和特征提取,再利用模糊C均值进行文档聚类。实验表明,这种基于粒子群的模糊C均值聚类算法迭代次数少,能解决经典模糊C均值算法对初始值敏感和易陷入局部极小的缺点,且聚类速度和效果得到明显提高。     

模糊聚类在数字图书馆中的用途

目前，互联网上的信息浩如烟海，面对海量的资料，首要的任务是将它合理的归类。所以，聚类分析是数据挖掘的核心技术，而采用模糊聚类分析的方法处理web信息具有很强的针对性。文章介绍了模糊聚类的一般方法以及在数字图书馆中的应用。     

数字图书馆中的检索结果聚类和关联推荐研究

探讨如何在数字图书馆的文献检索平台中集成实现检索结果聚类、相关文献的关联推荐、相关作者和研究机构的关联推荐以及相关词语的关联推荐,由此帮助用户全面提高查准率和查全率,并且对聚类和推荐结果采用图形进行可视化展示,进一步提高用户的使用满意度。     

基于模糊聚类的超链分析算法

基于关键字匹配的搜索引擎排序网页时仅仅考虑评价网页的重要性,而忽视分类;基于分类目录的搜索引擎很难动态分析Web信息。本文在分析它们不足的前提下,提出利用模糊聚类的方法对搜索引擎的检索结果进行动态分类,依据超链分析算法PageRank和Web文档隶属度相结合进行分类排序,并给出具有调节值的结合公式。实验证明,该算法能够更有效地满足用户的需要,提高检索效率。