【摘 要】
：
浏览行为数据挖掘受节点分类概率的影响,导致挖掘精度较低,于是提出基于标签映射的长短期浏览行为数据挖掘方法.通过对长短期浏览行为数据进行降维处理,对数据降低维度与减少存储空间的同时提高了数据挖掘速度,剔除冗余数据,有效保留重要信息特征.最终结合标签映射对数据进行训练学习,精准地完成浏览节点分类概率的计算,实现高精度的长短期浏览行为数据挖掘.仿真结果表明,所提方法能够有效降低分类开销,提升浏览行为数据的挖掘速度与挖掘的准确性.
【机 构】
：
华东交通大学理工学院,江西 南昌330100
论文部分内容阅读
浏览行为数据挖掘受节点分类概率的影响,导致挖掘精度较低,于是提出基于标签映射的长短期浏览行为数据挖掘方法.通过对长短期浏览行为数据进行降维处理,对数据降低维度与减少存储空间的同时提高了数据挖掘速度,剔除冗余数据,有效保留重要信息特征.最终结合标签映射对数据进行训练学习,精准地完成浏览节点分类概率的计算,实现高精度的长短期浏览行为数据挖掘.仿真结果表明,所提方法能够有效降低分类开销,提升浏览行为数据的挖掘速度与挖掘的准确性.
其他文献
针对网络漏洞挖掘,当前研究策略主要集中在对漏洞库的构造,并根据匹配性完成漏洞识别.上述方法对库的构造具有局限性,匹配过程也容易导致性能下降.为解决上述问题,提出了基于Apriori风险数据分析的漏洞挖掘方法.考虑到风险数据的异构和冗余特性,对其采取字段标准化,根据各字段的相似度,通过加权求解出风险数据的整体相似度.利用关联规则对数据采取分析挖掘,为了提高关联规则的查找性能,采用布尔矩阵优化的Apriori算法计算置信度和频集,通过评判矩阵确定关联规则对事务关联的体现.最后构建MapReduce架构实现Ap
LoRaWAN作为低功耗广域网代表性技术之一,具有低功耗,长距离,免许可频段等特点,已逐渐成为推动智能物联网设备在城市中发展的关键因素.为解决城市场景下LoRaWAN基于Aloha协议接入信道导致数据包碰撞几率较大的问题,仿真基于NS-3网络模拟器,建立了城市信道损失模型,并引入干扰矩阵,提出冲突阈值判定算法.算法根据冲突时间和扩频因子计算数据包受到的LoRa信号干扰,在特定条件下,仿真了Aloha协议吞吐量并与理论值对比,另外使用自适应速率机制传输数据包,相对纯Aloha机制吞吐量增益最高可达0.31;
为提高网络信息传输的安全性,实现网络信息的安全加密传输,提出一种基于DFT-S-OFDM的网络信息安全加密传输方法.针对DFT-S-OFDM技术的低频发送功率和低频平均峰值功率优点,将数据信号定义为一定数量的集合,通过密钥对信息实现重点加密,给出基于密钥的矩阵并引入到椭圆曲线方程中,完成密钥矩阵的矢量加密并给出最终加密信号;为提高加密质量,对最终信号的加密信息进行二次加密,建立基于DFT-S-OFDM技术的信号发送模型,将矢量加密信息通过模型内节点变换调频,再经子载波映射的方式转换为发送信号,传送至信号接
传统抗恶意代码攻击算法无法区分恶意代码类别,抗攻击行为不具有针对性,导致传统算法的抗攻击成功率偏低.为此提出基于改进深度森林的抗恶意代码攻击算法.采用Gamma校正法对缩放处理后的灰度图像完成色彩空间规范性处理,确定灰度图像梯度后构建其梯度方向直方图,在块内归一化梯度直方图后采集方向梯度直方图特征.以方向梯度直方图特征为输入,采用深度森林算法划分恶意代码类别.计算深度森林各级级联结构内的不同类别恶意代码概率均值,构建四维增强特征向量,将其作为下级输入,改进深度森林算法,提升算法收敛速度,完成抗恶意代码攻击
根据无线传感器网络信任计算所采用的主要方法和网络的主要特点,结合当前针对无线传感器网络信任研究中普遍存在的过多强调算法整体的可行性和低计算复杂度,而较少考虑节点个体本身的交易次数所占比这一问题,提出一种基于节点交易密度的无线传感器网络信任计算方法,使得在根据节点信任值进行节点选取时,不再仅仅查看节点以往或当前的信任值,还要综合考虑节点过去的交易所占比.仿真结果表明,所提方法能够较快地识别并应对网络中的非法节点,提高网络数据包的接收率,还能够对无线传感器网络中常见的选择转发攻击起到一定的抵制作用,增加了网络
针对鸡群算法易陷入局部最优、出现早熟收敛等缺陷,提出了一种基于量子行为的鸡群优化算法(Quantum-Behaved Chicken Swarm Optimization,QCSO).通过利用鸡群中的个体信息建立量子化的势阱模型,根据原鸡群更新公式得到个体最优解和全局最优解,采用蒙特卡洛随机采样完成个体极值的更新,在个体极值和全局极值附近以并列的角度进行搜索,提高了算法的局部搜索性能.同时,结合随机算法全局收敛性的判别准则,研究了基于量子行为的鸡群优化算法的收敛性,证明了QCSO是一种全局收敛的优化算法.
针对救援机器人对救援目标检测实时性和准确度要求比较高的问题,提出一种改进的YOLOv4-tiny救援机器人目标检测模型DS-YOLOv4-tiny.改进YOLOv4-tiny的网络结构,将骨干网络中的CSP改为DenseNet模块以增强特征复用,同时大量减少了网络参数量,使训练后的权重文件更小;针对YOLOv4-tiny深层网络无法准确提取有效特征信息的问题,在颈部网络中增加SPP模块以得到不同感受野的特征,提高定位准确性;通过K-means聚类算法获取锚框以适应受灾人员检测,提高算法精度.将训练后的模型
针对单神经元的Matsuoka振荡器的中枢模式发生器(CPG)模型只能输出持续高位的信号,不能实现控制六足机器人的三足步态规划的问题,提出通过模拟生物肌肉的特性,建立伸张肌神经元与收缩肌神经元相互抑制相互作用的双神经元的Matsuoka振荡器模型.通过试凑法与单参数分析法结合确定双神经元Matsuoka振荡器模型的参数.最后通过Matlab仿真验证了改进后的Matsuoka振荡器能够控制六足机器人的三足步态规划.
物联网节点移动导致网络拓扑的动态变化,动态组网给终端任务调度带来严重的路由、功耗、以及准确性等问题.为解决上述问题,提出一种基于移动节点追踪的时隙调度策略.为了确保拓扑变化过程中,网络终端任务调度获得最佳路由,考虑到节点的感知功效和感知能效,设计了感知精度与能量平衡的节点追踪方法.在节点位置感知的基础上,对网络拓扑采取节点区域划分,为了准确分配时隙,利用区域划分中的节点稀疏性和关联度,引入了自关联因素,构造时隙节点的自关联特征.同时利用非线性时序进行模型分解,并根据时隙特征确定单跳或者多跳路由,从而使时隙
为了提高水下机器人位置控制的精确性,降低因系统耦合而造成的位置误差,提出了针对六自由度水下机器人的奇异摄动系统建模及控制方法.首先对水下机器人的姿态和位置进行动力学建模,将速度、角速度作为快变量,位置、姿态作为慢变量,从而把模型转换为奇异摄动系统模型,再对奇异摄动系统模型进行快慢分解,对快慢系统分别设计PID控制律,最终复合得到改进的PID优化控制方法.最后以仿真算例说明,提出的基于奇异摄动技术的PID优化控制方法的可行性和有效性.