Multi-agent System中多维度信誉模型设计

在multi-agent system (MAS)中引入信誉机制是解决Agent间复杂交互问题促进合作的有效途径.在构造信誉置信度和期望信誉级别两种信誉表示形式的基础上,提出第三方权威机构的资质评价作为第三种信誉信息来源,引入活动相似算子和信息来源权重,从评价目标多维性和信息来源多维性对初始信誉置信度评价进行修正,运用Dempster规则合成计算获得最终信誉评价,并以实例验证了模型的实用性.最后对模型的效率与抗威胁性进行了检验,结果表明模型解决了新进Agent的信誉赋值问题,可以在一定程度上激励Agent主动给出交互评价,并能很好地解决或缓解分布式系统中关键的8种安全威胁.     

基于频繁统计和关联规则的未知链路协议比特流切割算法

现代电子对抗中,监听者在链路层获得的一般是未知比特数据流,在未知帧格式的情况下,正确地从中切割出完整帧是一个难点,为此提出一种基于数据挖掘的比特流切割算法.首先分析了协议帧的结构以及数据流中各帧之间的关联特性,然后通过频繁统计和关联规则验证,识别并提取出标志着帧起始的特征序列及关联规则序列,针对设定的结果数量门限N,能够给出N种最具可能性的切割方案.实际数据测试验证了该算法的有效性和鲁棒性.     

不同时间戳的地图差异匹配改进算法

本论文首先分析了SVG格式地图差异算法的研究现状,在现有的差异算法的基础上,分析了现有算法存在的不足,提出了一种改进的SVG格式地图差异匹配算法I-DiffS。该改进算法定义了节点集元素,即节点集元素可能包含一个或多个元素节点、属性节点和值节点构成的一个路径节点集合,定义了SVG格式解析结构树的标号规则,减少了结构树对应数组的元素个数,也减少了差异脚本中操作类型的数目,缩短了匹配过程。匹配结果为差异脚本,该脚本记录了前一个时间戳到后一个时间戳的更新操作。I-DiffS算法相比于现有的最新DiffS算法,时间复杂度更低。应用验证证明该算法是有效的。     

Apriori优化算法在临床数据挖掘中的应用分析

频繁项集的生成是关联规则挖掘中的关键问题,本文提出了一种基于无向项集图的频繁项集挖掘算法。应用优化算法对病人就诊数据进行挖掘分析,与传统的频繁项集挖掘算法相比,优化算法在执行效率上有明显的提高,对临床实践研究提供有价值的指导意见。     

基于粗糙集的数据挖掘方法在电子商务中的应用

粗糙集是一种处理模糊和不精确性问题的数学工具,数据挖掘能帮助我们从大量的信息中发现有用的信息。介绍了一种基于粗糙集的数据挖掘方法,通过实例分析给出它在电子商务中的应用。     

一种新的特征展开模糊推理方法

在Zadeh提出的模糊推理合成规则及陈永义等提出的模糊集特征展开近似推理方法的基础上,给出了新的模糊推理合成方法,定义了模糊集的一种新的特征展式,分别给出了计算一般模糊推理和双重蕴涵命题模糊推理的新方法,并把它们推广到一般情形,即一个模糊推理系统是由一组多重蕴涵命题组成的情形,得到一种新的模糊集特征展开推理方法.这种方法使得模糊推理合成计算简单,给Fuzzy控制器的设计带来方便.     

线性反馈移位寄存器在射频识别技术中的应用

给出了一种将线性反馈移位寄存器应用于射频识别系统中的设想.由于线性序列的伪随机性特点,这种将线性反馈移位寄存器应用于射频识别系统中的技术大大提高了系统的效率和保密性;移位寄存器和电可擦除随机存储器(EEPROM)作为控制单元,提高了系统的响应速度;以铁电存储器(FRAM)作为存储单元,降低了读写的响应时间和系统功耗.     

关联规则挖掘的一种多剪枝概念格方法

多数据源上关联规则挖掘方法,由于各数据节点间相互通信的候选项集数目过于庞大或者挖掘过程需要对数据库进行多次扫描,导致挖掘算法效率不高。研究剪枝概念格(pruned con-cept laffice,PCL)中概念与频繁项集表示关系,定义剪枝格上的导出频繁项集,设计了一个利用多剪枝概念格从多数据源上挖掘近似所有关联规则的算法UMPCL(union algorithm of multiplepruned concept lattice)。利用一个频繁概念表示一些频繁项集以减少挖掘过程中产生的侯选项集数,使用与全局支持度相等的局部支持度对各子概念格进行剪枝,最后融合、剪枝各子剪枝格并提取全局关联规则。理论分析和实验验证表明该算法是有效的。     

基于数据挖掘的网络业务流分析方法

为了从业务角度对网络的性能进行评价和优化,提出了一种新的网络业务分析方法——具有时态路径约束的关联规则挖掘分析方法.该方法以网络业务为分析粒度,以与网络业务流相关的时态属性和路径属性为约束条件,对已经积累的反映网络状况的海量历史数据进行挖掘分析.在进行关联规则挖掘时,利用频繁数据项集的性质,通过引入事务标号,在求出候选频繁项集的同时也求出其支持度,避免了为求支持度而进行的扫描数据库运算,极大提高了挖掘的效率和速度.实验结果表明,进行挖掘分析的数据量越大,该方法的性能和效率就越好.     

基于约束满足方法求解热轧带钢库存匹配问题

针对现代钢铁企业生产管理中的客户订单与热轧带钢库存产品的匹配问题,在考虑规格、质量、等级以及生产工艺约束的基础上,建立了旨在最大化订单满足率且最小化匹配损失的约束满足模型.在对问题以及匹配对象特点进行分析的基础上,引入匹配损失矩阵作为订单与库存余材属性匹配差异的损失惩罚,考虑到问题的复杂性,采用基于变量选择和值选择的启发式算法求解模型的近优解,并通过数值实验对提出的算法进行了验证.