导读:本文包含了流挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘,复杂网络,行为时序,信息流
流挖掘论文文献综述
项英倬,徐正国,游凌[1]（2019）在《基于节点通信行为时序的指控信息流挖掘算法》一文中研究指出针对通信网络中节点之间通信内容未知的情况,提出了一种基于节点行为时序的指控信息流挖掘算法。首先,对用户通信行为的相关性进行建模,提出了节点通信行为模型,分别对节点的背景通信和指控类通信的行为进行建模;其次,提出了Flow Mine算法,对模型进行求解并对算法的收敛性进行了分析,该算法采用抽样迭代的思想对模型参数进行估计,能够给出参数的一个近似估计值;最后,通过模拟数据和实际数据验证并分析了Flow Mine算法的有效性。实验结果表明,所提算法能够较快收敛,并能够得到可信的指控信息流。(本文来源于《通信学报》期刊2019年09期）
张艳梅,陆伟,杨余旺[2]（2019）在《一种基于关联频繁模式的振动数据流挖掘框架》一文中研究指出针对大型滚转机器轴承故障诊断应用场景中传统故障识别技术通常存在诊断识别精度低的问题,在频域分析基础上提出了一种新的数据挖掘框架——关联频繁模式集挖掘框架(Associated frequency patterns mining framework,AFPMF),由数据预处理、关联频繁模式集挖掘和故障状态监测组成。首先,在数据预处理过程中,AFPMF在时域上使用时间窗分块划分机械振动数据流,再使用傅立叶变换对数据流进行时频变换实现故障频率特征提取。其次,使用基于滑动窗的关联频繁模式树构建压缩树,求解关联频繁模式集,实现数据挖掘过程。最后,根据数据挖掘结果中出现的振动频率判别潜在故障,从而实现监测故障状态。通过对比AFPMF和传统方法在轴承故障诊断应用场景的实验结果可知,相比传统方案,AFPMF具有更优的故障识别性能。(本文来源于《数据采集与处理》期刊2019年05期）
刘聪,陈勇,赵理[3]（2019）在《基于流挖掘HEV复合电源能量管理策略研究》一文中研究指出以蓄电池-超级电容混合动力电动汽车(HEV)复合电源系统为研究对象,针对传统马尔可夫模型的状态转移矩阵难以根据行驶工况实时在线更新的问题,提出一种基于流挖掘技术的实时行驶工况预测方法,实现能量管理策略的实时更新与优化。该策略根据车辆行驶工况对应的速度和功率需求进行状态划分,采用流挖掘技术及马尔可夫模型建立动态转移概率矩阵,进行动力电池和超级电容间功率分配的自适应调节。不同控制策略的仿真结果表明,所提出的算法能根据工况的预测结果实时优化能量源的功率分配,延长蓄电池使用寿命,节省临时记录的存储空间,降低对车载硬件的要求。(本文来源于《电源技术》期刊2019年07期）
范振铎[4]（2019）在《基于数据流挖掘的油水井工况分析系统的设计与应用》一文中研究指出在了解油水井生产状况的基础上,以集中式和数据流挖掘体系结构为依据,采用趋势分析技术对油水井工况数据进行实时分析预测,实现分割点和异常点的检验。利用油田采集的数据模拟形成数据流,通过实验验证,基于数据流的油水井工况分析系统总体框架可通用,VSWPAA算法和趋势分析方法很实用,进行模式异常检测,检测效果良好,能发现设备异常情况,为设备管理者提供决策依据。(本文来源于《山东工业技术》期刊2019年03期）
魏怀明[5]（2018）在《模糊关联规则结合动态树重建的数据流挖掘》一文中研究指出针对基于频繁模式树的规则挖掘方法计算负载高和难以处理数据流格式,提出一种利用动态树构建的模糊关联规则挖掘方法。该技术整合了无处不在数据挖掘(UDM)和模糊集概念,首先利用滑动窗口最小化模糊关联规则。然后推导变量的模糊集,并给予适当描述,同时估计隶属度函数。最后构建动态树,并给每个节点添加一种隶属度函数值。根据当前窗口进行模糊关联规则推理。实验利用两种不同的公开数据,"交通事故"和"零售"数据集。考虑了3个模糊区域和五个模糊区域的运行分布。与频繁模式树(FPT)、压缩模糊频繁模式树(CFFPT)和熵加权频繁模式树(EWFPT)相比,提出的方法检索数据库只需要一次,且处理的数据要求更为宽松。(本文来源于《控制工程》期刊2018年12期）
卞舒逸[6]（2018）在《数据流挖掘抑制概念漂移不良影响研究》一文中研究指出提升基于数据流的数据挖掘正确率并克服概念漂移的影响是当前的研究热点之一。相对于传统意义上的数据挖据,基于数据流的数据挖掘具有动态、数量多、持续性强等特点。由于传统的数据挖掘算法都是应用于静态数据,挖掘结果并不完全匹配动态变化。将样本数据流进行数据块化处理后使用集成算法,可提升流数据挖掘的准确性。其中集成算法基分类器包括决策树和KNNModel算法等。对于不同算法的效果给予不同权值,提升算法相比于基分类器,能够更加准确地判定概念漂移的发生。实验结果表明,通过集成学习方法可以有效提升学习效果及分类判定准确率,非同质类型的集成算法对于抑制概念漂移的不良影响可起到一定作用。(本文来源于《软件导刊》期刊2018年09期）
金紫嫣[7]（2018）在《面向概念漂移数据流挖掘的新异类检测与分类方法研究》一文中研究指出目前,数据流挖掘技术受到了许多学者的关注,然而,传统的数据流挖掘技术在处理概念漂移、概念进化等方面仍存在亟待进一步解决的问题。因此,本文面向概念漂移数据流数据挖掘提出了一种改进性的新异类检测及分类算法,着重研究了基于数据流特征空间转换的数据流分类方法。本文主要研究工作和成果如下:1、对2000-2016年间概念漂移数据流分类算法主要成果进行了综述分析,并分类进行了实验对比研究,总结了不同类别的数据流分类算法之间的性能差异,指出了现有概念漂移数据流分类算法存在的主要问题及改进方向。2、研究提出了一种基于马氏距离改进的概念漂移数据流新异类检测及分类算法C&NCBM~((1))。该算法通过引入马氏距作为相似性度量,考虑了样本属性间的相关性,关注变量细微变化的作用,可以有效的检测概念漂移数据流中出现的新异类并标记,随后更新分类模型以适应数据流的变化提升算法的准确率。在人工数据集和UCI数据集上分别进行了算法分类性能以及概念漂移处理的对比实验,实验结果表明,C&NCBM算法在提升数据流分类准确率方面是有效的,分类准确率得到了提高,且能较好的处理数据流中的概念漂移。3、研究提出了基于ReliefF特征空间局部无损转换数据流分类算法LLHCCR~((2)),该算法对特征空间设定阈值,若超过限定阈值则使用ReliefF对特征属性进行筛选,否则使用特征空间无损转换方法。本方法降低了现有特征空间无损转换维度灾难的可能性,同时保证了算法的分类准确度,且显着减低了算法的分类时间。在人工数据集和UCI数据集上分别进行了算法分类性能以及概念漂移处理的对比实验,实验结果表明所提出的LLHCCR算法是有效可行的,在分类准确率、分类评估时间方面得到了有效改善,同时具备处理数据流概念漂移的能力。本文研究贡献:综述总结了2000-2016年间概念漂移数据流分类算法主要成果并进行了实验比较研究;从特征空间转换、新异类检测等方面对传统数据流分类算法进行了优化改进,实验结果表明,优化所提出算法是有效可行的。(本文来源于《南昌大学》期刊2018-06-02）
李子璇[8]（2018）在《基于数据流挖掘分析的入侵检测技术研究》一文中研究指出随着移动设备的普及,激增的网络数据流给入侵检测的实时性、准确性等方面提出了更高的要求。大量攻击行为隐藏在数据流中难以被发现,如何从数据流中发现攻击行为成为了当前研究的热点。将数据流挖掘技术应用在入侵检测中,可及时处理不断到来的数据流,提高检测的实时性。基于误用的入侵检测系统具有高检测率,但无法识别未知行为;基于异常的入侵检测系统可以发现未知攻击,但误报率较高。如何将二者较好地结合起来,实现高检测率、低漏报率和低误报率的入侵检测系统是目前需要解决的问题。本文所做的工作有以下几个方面:考虑到当前网络环境的负载较高,将基于误用的入侵检测技术和基于异常的入侵检测技术相结合,提出了基于数据流挖掘的入侵检测系统框架。在网络数据采集后,首先采用规则匹配的方式对已知类型的攻击行为进行过滤区分;然后将数据包传递至数据管理模块,并根据已识别行为和未知行为将数据包分开进行存储;数据挖掘模块根据用户的请求,对指定时间区间内的数据进行信息提取,从中发现未知的攻击行为;最后将发现的异常行为转化为新的匹配规则,并反馈至过滤模块,增强误用检测的检测能力。针对数据流高速到达、高维度和混合属性等特点,本文依据CluStream算法的两阶段聚类思想,提出了HWFStream数据流聚类算法。在线阶段利用信息熵进行特征提取,对数据流进行增量微聚类,根据聚类结果提取微簇概要,并保存到磁盘或外部存储器中;考虑到模糊聚类效果易受初始聚类中心选取的影响,离线阶段利用布谷鸟搜索对模糊聚类算法加以改进,优化初始聚类中心的选取过程。考虑到数据流概念漂移等问题,算法引入时间衰减窗口,在微簇概要结构中添加权值属性,以确定不同时间段形成的微簇,在离线阶段对于聚类过程的影响。在KDDCUP99数据集上的对比实验结果表明,HWFStream算法能有效处理高维数据流,对混合属性数据的聚类效果较好,且不易受到数据中孤立点的影响。将提出的入侵检测框架应用在实际项目中,利用基于误用的Snort入侵检测系统对数据流进行匹配过滤,并在此基础上通过实现本文提出的HWFStream算法,对过滤后剩余的未知数据进行挖掘,发现其中存在的异常行为。经过项目测试,该框架能快速检测出已知类型的攻击行为,并对异常行为进行区分识别,具有较高的检测率和实时性。(本文来源于《武汉理工大学》期刊2018-04-01）
吴可[9]（2018）在《面向复杂结构的铁路电务工作流挖掘算法设计与实现》一文中研究指出铁路系统中大量新技术和新设备的投入使用使得电务部门的安全生产压力日益增大。同时,电务部门为此投入使用的信息系统也因存在一系列问题而使得其效果不尽人意。本文面向现有工作流挖掘算法无法准确识别的电务生产活动中的复杂结构,设计了一种新的挖掘算法,从信息系统记录的事件日志中提取相关业务流程的客观控制流信息,并生成更高准确度的过程模型。基于此模型驱动工作流引擎运转,实现对生产活动执行过程的全面监督和管理,从而提高生产活动的执行效率和质量,更有效地保障行车安全。论文主要工作如下:(1)分析了工作流挖掘领域的国内外研究现状,总结了形式化算法、启发式算法、搜索算法和区域理论算法四类工作流挖掘算法,对比了各类算法的优劣势。描述了工作流挖掘的概念与应用场景,介绍了 Petri网和工作流网等基础理论。(2)面向既有算法无法检测直接循环和间接关联两类复杂结构的问题,基于Petri网和工作流网分别给出了两类结构的基本定义,分析了两类结构在事件日志中隐藏的行为特征,基于Alpha算法的基本次序关系设计了复杂次序关系以检测两两任务间可能存在的单一或合并、单一或分叉、延迟执行、共存、间隔跟随、重复执行、单向循环、直接循环和间接关联等关系,并分别给出了两类复杂结构的检测定理以及理论证明,解决了既有算法存在的问题,为后续设计新算法奠定基础。(3)为了消除两类复杂结构共同存在时对检测方法产生的影响,确定了两个方法的检测顺序,设计了事件日志处理方法。面向间接关联结构串联造成的冗余关联,设计了冗余关联消除方法,克服了冗余关联对构造工作流网造成的影响。基于检测方法从事件日志中识别的任务关系,结合因果关系矩阵构建工作流网,设计了Alpha-KD算法,生成包含直接循环和间接关联复杂结构的过程模型。通过Java编程实现了该算法,并以插件的形式集成在ProM框架中。(4)基于一致性检查方法,使用实际业务和合成案例两类数据集,将Alpha-KD算法与既有算法进行评估对比。结果表明Alpha-KD算法能构建具有更高适应性和精确性的过程模型。在电务生产管理信息系统中部署了 Alpha-KD算法构建的过程模型,实现了待办任务的提醒、业务状态的跟踪和流转历史的查看,验证了算法的有效性和可行性。(本文来源于《北京交通大学》期刊2018-03-20）
杨展[10]（2018）在《数据流挖掘及其主要解决问题》一文中研究指出网络动态数据挖掘模式主要是基于分类分析方法、聚类分析方法、关联分析方法、异类检测方法的动态数据挖掘,引入概念漂移问题、自适应改变,设计新的频繁数据挖掘模式。目前,比较成熟的方法包括窗口方法、衰减方法、模式增长方法、近似方法、假阳性与假阴性方法,每种模式都有优劣,有关键问题需要解决。(本文来源于《电子技术与软件工程》期刊2018年01期）
流挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对大型滚转机器轴承故障诊断应用场景中传统故障识别技术通常存在诊断识别精度低的问题,在频域分析基础上提出了一种新的数据挖掘框架——关联频繁模式集挖掘框架(Associated frequency patterns mining framework,AFPMF),由数据预处理、关联频繁模式集挖掘和故障状态监测组成。首先,在数据预处理过程中,AFPMF在时域上使用时间窗分块划分机械振动数据流,再使用傅立叶变换对数据流进行时频变换实现故障频率特征提取。其次,使用基于滑动窗的关联频繁模式树构建压缩树,求解关联频繁模式集,实现数据挖掘过程。最后,根据数据挖掘结果中出现的振动频率判别潜在故障,从而实现监测故障状态。通过对比AFPMF和传统方法在轴承故障诊断应用场景的实验结果可知,相比传统方案,AFPMF具有更优的故障识别性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
流挖掘论文参考文献
[1].项英倬,徐正国,游凌.基于节点通信行为时序的指控信息流挖掘算法[J].通信学报.2019
[2].张艳梅,陆伟,杨余旺.一种基于关联频繁模式的振动数据流挖掘框架[J].数据采集与处理.2019
[3].刘聪,陈勇,赵理.基于流挖掘HEV复合电源能量管理策略研究[J].电源技术.2019
[4].范振铎.基于数据流挖掘的油水井工况分析系统的设计与应用[J].山东工业技术.2019
[5].魏怀明.模糊关联规则结合动态树重建的数据流挖掘[J].控制工程.2018
[6].卞舒逸.数据流挖掘抑制概念漂移不良影响研究[J].软件导刊.2018
[7].金紫嫣.面向概念漂移数据流挖掘的新异类检测与分类方法研究[D].南昌大学.2018
[8].李子璇.基于数据流挖掘分析的入侵检测技术研究[D].武汉理工大学.2018
[9].吴可.面向复杂结构的铁路电务工作流挖掘算法设计与实现[D].北京交通大学.2018
[10].杨展.数据流挖掘及其主要解决问题[J].电子技术与软件工程.2018