基于矩阵的模糊关联规则挖掘算法及其应用研究.docVIP

基于矩阵的模糊关联规则挖掘算法及其应用研究 　　摘 要:针对布尔型关联规则不能表达挖掘对象中模糊信息的关联性,给出了一系列有关模糊关联规则的定义,并提出了一种基于矩阵结构的模糊关联规则数据挖掘算法(FARMBM)。该算法通过构造矩阵结构来压缩存储模糊模式候选集和频繁集,有效节约了存储模糊模式候选集和模糊模式频繁集内存花销,只需扫描数据库两遍,且可以有效减少系统的I/O开销。这里把FARMBM运用到入侵检测的仿真实验中,实验结果表明,该算法是有效的。 　　关键词:Apriori;矩阵;模糊关联规则;隶属函数;入侵检测 　　中图分类号:TP393??08文献标识码:A 　　文章编号:1004-373X(2009)20-069-04 　　 　　Study and Application of Fuzzy Association Rule Mining Based on Matrix 　　LI Lin1,YI Yunfei1,2,HUANG Qian1,QIN Jun1 　　(1.College of Computer Science,South-central University for Nationalities,Wuhan,430074,China; 　　2.Hechi University,Yizhou,546300,China) 　　Abstract:In allusion to the Boolean association rules can′t express the association of fuzzy data,a series of definitions of fuzzy association rules and mining algorithm based on matrix for fuzzy association rules are proposed.The algorithm can store fuzzy pattern candidate sets and frequent sets compressible by constructing matrix structure,which effectively saves the memory cost for storing fuzzy pattern candidate sets and frequent sets,it only scans database twice,besides it can effectively reduce the I/O spending.FARMBM is applied to the simulation results of intrusion detection,and efficiency of the algorithm is verified by the experiment. 　　Keywords:Apriori;matrix;fuzzy association rule;membership function;intrusion detection 　　 　　0 引 言 　　入侵检测技术[1-3]是网络安全的核心技术之一,是网络信息系统的一种重要的动态防护手段。入侵检测技术的研究是进一步研究网络安全问题的基础,是解决网络安全问题的前提和保证。当然,网络入侵技术也在不断的发展,随着网络数据的增大,入侵的行为表现为不确定性、复杂性等特点。那么入侵检测怎么样才能做到既减小数据量,又能有效地检测到入侵。在入侵检测技术中引入数据挖掘就能有效的解决这一问题。数据挖掘技术在从大量数据中提取特征和规则方面具有很大的优势,将数据挖掘技术应用于入侵检测中,能够克服目前入侵检测技术存在的缺陷,建立一个准确性高的、易于扩展的、适应性好、伸缩性好、智能的入侵检测系统。在对关联规则深入分析的基础上,把模糊集合理论与数据挖掘技术中关联规则挖掘结合起来,提出了一种基于矩阵结构的模糊关联规则数据挖掘算法(FARMBM),并把FARMBM运用到了入侵检测技术当中。 　　1 关联规则的概念与算法 　　1.1 关联规则的概念 　　关联规则是当前数据挖掘研究的主要模式之一,它用于确定数据集中不同领域或属性之间的联系,找出可信的、有价值的多个域之间的依赖关系。关联规则的挖掘目标是从数据库中找出形如“由于某些事件的发生而引起另外一些事件的发生”的规则[4-10]。 　　定义1 设I={i1,i2,…,im}是由m个不同的数据项目组成的集合,其中的元素称为项(item),项的集合成为项集,包含k个项的项集成为k项集,给定一个事务(交易)D,即交易数据库,其中的每一个事务(交易)T是数据项I的一个