基于聚類(lèi)分析和關(guān)聯(lián)規(guī)則的數(shù)據(jù)庫(kù)用戶行為模式分析的研究.pdf

1、隨著現(xiàn)代信息科學(xué)和網(wǎng)絡(luò)技術(shù)的發(fā)展，對(duì)數(shù)據(jù)庫(kù)系統(tǒng)的安全性和保密性提出了更加嚴(yán)格的要求，目前應(yīng)用于數(shù)據(jù)庫(kù)系統(tǒng)的安全技術(shù)往往達(dá)不到令人滿意的程度。通過(guò)運(yùn)用數(shù)據(jù)挖掘算法對(duì)數(shù)據(jù)庫(kù)用戶的歷史行為信息進(jìn)行分析，建立用戶的歷史行為模式庫(kù)，在此基礎(chǔ)上就可以有效的對(duì)現(xiàn)有用戶的行為進(jìn)行誤用檢測(cè)，達(dá)到保護(hù)數(shù)據(jù)庫(kù)中敏感數(shù)據(jù)的目的。
　　本文在前人研究的基礎(chǔ)上，主要研究將聚類(lèi)分析算法和關(guān)聯(lián)規(guī)則分析算法應(yīng)用到數(shù)據(jù)庫(kù)用戶行為模式分析中。而經(jīng)典的K-means聚類(lèi)

2、算法存在著需要人為指定最終聚類(lèi)個(gè)數(shù)和初始聚類(lèi)中心的問(wèn)題；經(jīng)典的Apriori關(guān)聯(lián)規(guī)則算法需要頻繁掃描原始事務(wù)數(shù)據(jù)庫(kù)，而且在算法運(yùn)行過(guò)程中產(chǎn)生的候選集過(guò)大，導(dǎo)致測(cè)試候選項(xiàng)集需要花費(fèi)大量的時(shí)間。本文的研究工作主要就是如何在提高數(shù)據(jù)庫(kù)用戶行為模式分析的準(zhǔn)確率的同時(shí)，有效的改進(jìn)以上兩個(gè)算法的缺陷，具體的工作簡(jiǎn)述如下：
　?。?）針對(duì)K-means算法需要在算法開(kāi)始前人為指定參數(shù)的問(wèn)題，本文提出了一種自適應(yīng)的獲取最終聚類(lèi)個(gè)數(shù)和聚類(lèi)中心的策略

3、，降低了這兩個(gè)參數(shù)對(duì)算法最終聚類(lèi)結(jié)果的影響，同時(shí)也在一定程度上避免最終聚類(lèi)結(jié)果陷入局部最優(yōu)的情況出現(xiàn)。
　?。?）針對(duì)Apriori算法運(yùn)行效率低下的問(wèn)題，本文提出了使用數(shù)組向量和垂直數(shù)組表示原始事務(wù)數(shù)據(jù)庫(kù)的方法，在這兩個(gè)數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)上結(jié)合頻繁項(xiàng)目集的性質(zhì)定理，減少了算法掃描數(shù)據(jù)庫(kù)和對(duì)無(wú)用事務(wù)的掃描次數(shù)，并簡(jiǎn)化了模式匹配操作，以此大大提高了算法的運(yùn)行效率。
　?。?）本文提出一種基于聚類(lèi)分析和關(guān)聯(lián)規(guī)則分析的數(shù)據(jù)庫(kù)用戶行為模