一种探测shill出价的数据挖掘模型

随着网上拍卖规模的不断扩大，作为最具隐蔽性的在线欺诈形式，shill出价开始引起人们的广泛关注，但由于传统拍卖理论缺乏对shill出价理论的研究，致使至今仍无有效的方法制约shill出价。本文通过引入生物信息学方法，模拟生物基因的遗传变异特性，在基于shill出价规律序列具有遗传变异的基础上，提出了一种探测shill出价规律序列的数据挖掘模型，模型克服了传统方法因shill可能频繁变更用户ID而失灵的问题。     

基于多准则神经网络与分类回归树的电信行业异动客户识别系统

以电信行业为应用对象,建立了一种基于多准则神经网络(MCNN)与分类回归树(CART)的的异动客户识别系统.该系统首先用多准则神经网络对客户属性进行约简,然后构造用于识别异动客户的分类回归树.通过对浙江省电信系统的大客户数据的实际验证,结果表明该系统具有较好的鲁棒性和有效性.     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

基于线性时态逻辑的Petri网模型检测

Petri网是一种重要的数学工具,它能有效地对并发系统进行描述和建模.线性时态逻辑LTL则是描述和验证并发系统特性的一种重要的形式化工具,它能方便准确地描述并发系统的重要性质,如安全性和活性.文章深入描述了线性时态逻辑、Bu chi自动机、Petri网和同步积之间的内在联系,并探讨了基于线性时态逻辑的Petri网模型检测策略.与其它方法比较,这种模型检测的策略结合了线性时态逻辑和Petri网模型的不同优点,增强了Petri网的模型分析和验证能力.最后,通过对一个并发系统形式化的模型检测分析,验证了相应的结论.     

CORBA系统事务处理的模拟和分析

事务处理对于建立可靠的CORBA应用系统是很统设计的原则.CORBA的一个重要的服务是OMG的提出了对象事务处理服务OTS(ObjectTransaction Service),负责将事务处理与对象在ORB层上结合.事务成为分布式对象系统中恢复、一致性、并发的基本单位.用着色时序Petri网模拟和分析CORBA环境下的事务处理.     

复杂信号环境下非合作突发通信信号的实时检测

现有未知突发信号检测算法是基于噪声加单一突发信号的简单假设的,在实际复杂信号环境会产生大量虚警而失效。针对实际非合作突发通信信号的检测环境除噪声外还包含多个连续信号和一些短突发干扰信号,建立了复杂信号环境模型,提出了适用于此环境的基于短时傅里叶变换(short time Fourier transform, STFT)的时序检测器。该检测器利用突发通信信号时间上短持续的特点剔除连续信号和短突发干扰造成的虚警。对该检测器的检测性能进行了分析和仿真,结果表明在复杂信号环境中当常规检测器由于虚警概率很高失效时,该检测器可以同时获得较低的虚警概率和较高的检测概率,因而适用于复杂信号环境中非合作突发信号检测。该检测器运算量小,易于实时实现。     

A CLUSTERING ALGORITHM FOR MIXED NUMERIC AND CATEGORICAL DATA

Most of the earlier work on clustering mainly focused on numeric data whose inherent geometric properties can be exploited to naturally define distance functions between data points. However, data mining applications frequently involve many datasets that also consists of mixed numeric and categorical attributes. In this paper we present a clustering algorithm which is based on the k-means algorithm. The algorithm clusters objects with numeric and categorical attributes in a way similar to k-means. The object similarity measure is derived from both numeric and categorical attributes. When applied to numeric data, the algorithm is identical to the k-means. The main result of this paper is to provide a method to update the “cluster centers“ of clustering objects described by mixed numeric and categorical attributes in the clustering process to minimise the clustering cost function. The clustering performance of the algorithm is demonstrated with the two well known data sets, namely credit approval and abalone databases.     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

基于最小方差的动态综合评价方法及应用

利用时序加权平均(time order weight averaging operator, TOWA)算子和时序几何平均(time order weighted geometric averaging operator, TOWGA)算子对时序立体数据进行降维处理,并给出了确定时间权重的最小方差法。在事先给定的时间度的情况下,尽可能地寻找一组最稳定的时间权重系数来集结样本值,即寻找一组时间权重系数使其波动最小。最后,运用该方法进行了算例分析,并且将算例结果与熵值规划法进行了比较分析,验证了方法的有效性,总结了最小方差法的特点。