目前的关联规则挖掘算法主要依靠基于支持度的剪切策略来减小组合搜索空间.如果挖掘潜在的令人感兴趣的低支持度模式,这种策略并非有效.为此,提出一种新的关联模式—可信关联规则(credible association rule,简称CAR),规则中每个项目的...目前的关联规则挖掘算法主要依靠基于支持度的剪切策略来减小组合搜索空间.如果挖掘潜在的令人感兴趣的低支持度模式,这种策略并非有效.为此,提出一种新的关联模式—可信关联规则(credible association rule,简称CAR),规则中每个项目的支持度处于同一数量级,规则的置信度直接反映其可信程度,从而可以不必再考虑传统的支持度.同时,提出MaxcliqueMining算法,该算法采用邻接矩阵产生2-项可信集,进而利用极大团思想产生所有可信关联规则提出并证明了几个相关命题以说明这种规则的特点及算法的可行性和有效性.在告警数据集及Pumsb数据集上的实验表明,该算法挖掘CAR具有较高的效率和准确性.展开更多
利用贝叶斯网络建立通信网告警相关性模型,采用EM算法对不完全观察的隐变量进行学习。介绍了基于贝叶斯网络的基本概念。提出了通信网功能分层结构的思想,建立不同网络层次间的故障传播模型。讨论了从故障传播模型中构造贝叶斯网络。结...利用贝叶斯网络建立通信网告警相关性模型,采用EM算法对不完全观察的隐变量进行学习。介绍了基于贝叶斯网络的基本概念。提出了通信网功能分层结构的思想,建立不同网络层次间的故障传播模型。讨论了从故障传播模型中构造贝叶斯网络。结合SDH over DWDM实验模型,具体讨论了贝叶斯参数学习的实现步骤及结果。展开更多
文摘目前的关联规则挖掘算法主要依靠基于支持度的剪切策略来减小组合搜索空间.如果挖掘潜在的令人感兴趣的低支持度模式,这种策略并非有效.为此,提出一种新的关联模式—可信关联规则(credible association rule,简称CAR),规则中每个项目的支持度处于同一数量级,规则的置信度直接反映其可信程度,从而可以不必再考虑传统的支持度.同时,提出MaxcliqueMining算法,该算法采用邻接矩阵产生2-项可信集,进而利用极大团思想产生所有可信关联规则提出并证明了几个相关命题以说明这种规则的特点及算法的可行性和有效性.在告警数据集及Pumsb数据集上的实验表明,该算法挖掘CAR具有较高的效率和准确性.
文摘利用贝叶斯网络建立通信网告警相关性模型,采用EM算法对不完全观察的隐变量进行学习。介绍了基于贝叶斯网络的基本概念。提出了通信网功能分层结构的思想,建立不同网络层次间的故障传播模型。讨论了从故障传播模型中构造贝叶斯网络。结合SDH over DWDM实验模型,具体讨论了贝叶斯参数学习的实现步骤及结果。
