期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于校园无线网络的时空轨迹相似性度量 被引量:4
1
作者 方敏佳 刘漫丹 《计算机工程与设计》 北大核心 2020年第11期3001-3008,共8页
为挖掘校园无线网络用户之间的关联性,提高用户相似性度量的准确性,针对无线网络中产生的时空轨迹数据的特征,提出一种基于最短时间距离子序列的时空轨迹相似性度量模型。同时考虑轨迹的时间参数和空间参数特征,利用最短时间距离模型求... 为挖掘校园无线网络用户之间的关联性,提高用户相似性度量的准确性,针对无线网络中产生的时空轨迹数据的特征,提出一种基于最短时间距离子序列的时空轨迹相似性度量模型。同时考虑轨迹的时间参数和空间参数特征,利用最短时间距离模型求取空间相似性,采用最短时间距离子序列模型,引入连续因子体现轨迹序列特征,求取轨迹空间相似性;将时间和空间相似性汇总得到轨迹整体相似性,反映用户之间的相似性结果;利用并行滑动时间窗对用户轨迹进行划分,提高计算效率。基于真实校园无线网络数据集进行实验分析,验证了该方法在局部轨迹段和整体轨迹集中均有较好准确性。 展开更多
关键词 时空轨迹 相似性 校园无线网络 最短时间距离子序列 连续因子
在线阅读 下载PDF
基于校园无线网的BYOD认证系统设计与实现 被引量:7
2
作者 邱知文 张杰 《计算机应用与软件》 CSCD 2015年第2期94-96,147,共4页
BYOD(Bring Your Own Device)在近几年越来越成为一种潮流。在如今的校园无线网络中,一个用户多个无线终端的接入模式已经变得越来越普遍。随之而来的是对于数量激增的无线接入终端,原有的无线网络管理模式已经无法满足用户的精细管理,... BYOD(Bring Your Own Device)在近几年越来越成为一种潮流。在如今的校园无线网络中,一个用户多个无线终端的接入模式已经变得越来越普遍。随之而来的是对于数量激增的无线接入终端,原有的无线网络管理模式已经无法满足用户的精细管理,无线网络安全问题日益严重。针对这些问题,在分析了BYOD在校园网中的现状之后,结合无线Web-Portal认证,构建出一个BYOD环境下合理高效的基于终端识别的无线网络认证方案,实现用户多个接入终端的区分并提供与之相对应的业务,并给出相关的实际使用情况。 展开更多
关键词 BYOD 校园无线网络 Web-Portal认证 终端识别
在线阅读 下载PDF
基于时空轨迹数据的异常检测 被引量:5
3
作者 郭奕杉 刘漫丹 《计算机科学》 CSCD 北大核心 2021年第S01期213-219,共7页
伴随着智能设备的普及和无线通信技术的发展,用户在使用无线网络满足各种需求时,无线网络也记录下了用户上网留下的大量时空轨迹数据。针对时空轨迹数据的异常检测已经成为数据挖掘领域一个新的研究热点。为了更好地关注学生健康发展,... 伴随着智能设备的普及和无线通信技术的发展,用户在使用无线网络满足各种需求时,无线网络也记录下了用户上网留下的大量时空轨迹数据。针对时空轨迹数据的异常检测已经成为数据挖掘领域一个新的研究热点。为了更好地关注学生健康发展,促进校园信息化建设,以真实校园上网数据为例,提出了一种基于多尺度阈值和密度相结合的谱聚类算法(Spectral Clustering Algorithm Based on The Combination of Multi-Scale Threshold And Density,MSTD-SC),使用基于最短时间距离子序列(Shortest Time Distance-Shortest Time Distance Subsequences,STD-STDSS)的亲和距离函数来构造初始相似度矩阵,进一步引入协方差尺度阈值和空间尺度阈值对相似度矩阵进行0-1化处理,以此得到更精确的样本相似度,接着对相似度矩阵进行特征值分解,得到新的特征向量空间,最后采用DBSCAN聚类避免了K-means算法需要人工确定聚类数目的缺陷。利用轮廓系数评估多种算法得到的实验结果,MSTD-SC算法体现出了更好的聚类性能。将其应用于用户个体的异常检测中,异常用户名单被验证是有效可信的。 展开更多
关键词 时空轨迹数据 校园无线网络 相似度 异常检测 谱聚类
在线阅读 下载PDF
基于动态多最小支持度的用户频繁轨迹挖掘 被引量:1
4
作者 严爱俐 刘漫丹 《计算机工程与设计》 北大核心 2022年第6期1657-1664,共8页
为解决频繁轨迹模式挖掘中单一最小支持度带来的问题,提出一种多最小支持度的频繁序列挖掘算法,根据获取的用户历史轨迹数据确定用户多最小支持度获取模型。由于仅通过PrefixSpan算法挖掘出用户的历史频繁轨迹模式,无法了解用户在一段... 为解决频繁轨迹模式挖掘中单一最小支持度带来的问题,提出一种多最小支持度的频繁序列挖掘算法,根据获取的用户历史轨迹数据确定用户多最小支持度获取模型。由于仅通过PrefixSpan算法挖掘出用户的历史频繁轨迹模式,无法了解用户在一段时间内的地点偏好变化,通过动态加权的方式结合之前挖掘出的用户频繁轨迹模式得到用户在不同时期的地点偏好变化,利用序列压缩和序列匹配减少用户频繁轨迹模式的存储空间。通过实例挖掘,验证了改进算法的有效性。 展开更多
关键词 时空轨迹 校园无线网络 频繁轨迹模式 多最小支持度 前缀投影模式挖掘算法
在线阅读 下载PDF
基于改进密度峰值聚类算法的轨迹行为分析 被引量:3
5
作者 吕奕 刘漫丹 《计算机工程与应用》 CSCD 北大核心 2022年第17期314-324,共11页
为了深入挖掘校园无线网络轨迹行为数据信息,采用基于密度的聚类方法对校园内用户的轨迹行为进行特征聚类。由于基于密度的聚类算法通常采用距离作为相似性度量方式,为了有效衔接此类聚类算法,先将用户相似度矩阵通过转换函数转变为距... 为了深入挖掘校园无线网络轨迹行为数据信息,采用基于密度的聚类方法对校园内用户的轨迹行为进行特征聚类。由于基于密度的聚类算法通常采用距离作为相似性度量方式,为了有效衔接此类聚类算法,先将用户相似度矩阵通过转换函数转变为距离矩阵。引入离群点检测算法,将离群点检测算法与聚类算法相结合,减少参数的输入个数,增加聚类的聚合程度。改进后的聚类算法可以有效检测出数据轨迹的异常,帮助高校通过对学生上网记录的处理找到浏览信息与大部分同学不一致的人,缩小目标范围,进行有针对性的处理。通过定性分析和实验对比验证,确定两种基于离群点检测的共享最近邻的快速搜索密度峰值聚类适用于校园无线网络行为轨迹相似度矩阵的处理,邓恩指数等聚类内部指标及整体性能优于同类算法。 展开更多
关键词 聚类分析 密度峰值 离群点检测 校园无线网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部