检索结果-内蒙古大学图书馆

作者：宋进亮中国科学院研究生院

学位级别：博士

用户规模万级以上的网络信息系统数量呈指数级增长态势，是当前互联网发展的一个基本事实。用户使用系统的行为往往受到网络中其他个体以及群体使用方式的影响。因此，如何在网络应用环境下，探索人们交互行为的特点和规律，变得尤为重... 详细信息

用户规模万级以上的网络信息系统数量呈指数级增长态势，是当前互联网发展的一个基本事实。用户使用系统的行为往往受到网络中其他个体以及群体使用方式的影响。因此，如何在网络应用环境下，探索人们交互行为的特点和规律，变得尤为重要。理解这些特点和规律是改进人们工作方式、提高执行效率、缓解瓶颈问题的一个重要的途径。\n 本文提出一种称为行为模式挖掘的自动化分析方法，该方法从事件日志数据源中寻找用户行为规律，并使用控制流形式的流程模型来完成行为模式的表示。行为模式挖掘为互联网上人们行为的定量研究提供了一种基本工具。\n 行为模式挖掘技术可以被看作流程挖掘中的控制流视图挖掘在没有工作流引擎支持下记录到的通用事件日志上的扩展，因而也是传统流程挖掘技术的一个子领域。与流程挖掘使用的事件日志格式相比，行为模式挖掘的输入数据具有“连续行为事件流”和“流程间事件混淆”两个独有特点。这两个特点使得传统流程挖掘领域中的手段和方法无法直接应用于行为模式的发现过程中。针对这种情况，本文将行为模式挖掘的研究内容划分为事件记录、数据预处理、挖掘实施和结果验证四个主要步骤，通过为各个步骤建立基本理论和解决方案，以步骤间协同配合的方式来应对行为模式挖掘的独有特点。\n 在数据预处理步骤的讨论中，本文以形式化的方法提出了数据视图的概念。使用数据视图方法不但能够实现对输入事件日志的划分、变形，而且能够兼顾预期挖掘结果的物理含义，确保行为模式挖掘结果的有效性，从而帮助传统流程挖掘领域中的处理方法能够不修改或者少修改即能重新适应行为模式挖掘环境中的应用需要。\n 面向挖掘实施步骤的算法设计需求，本文对传统流程挖掘领域中典型算法的移植过程进行了分析，并完成对α算法的移植改造，使之能够在连续行为事件流上发现主要的行为模式特征。这一算法移植实例，对流程挖掘中其他算法向行为模式挖掘领域的移植改造提供了先导性的方法参考。\n 对于结果验证步骤，我们分析了主要的流程模型挖掘实验验证方法，依据现阶段研究主要集中在对流程结构的发现能力加强上，而提出基于标准参考模型生成模拟事件日志，从结构上比较挖掘结果模型与参考模型来验证挖掘算法性能的方法，并给出了实验操作步骤的完整描述。\n 重复任务问题也会严重影响到行为模式挖掘的准确性。利用基于事件上下文差异的距离度量算子，本文提出了一种基于自动聚类方法的重复任务重命名处理机制，可同时应用于行为模式挖掘和流程挖掘领域，使原有算法不需要进行修改即可获得对重复任务结构的支持能力，具有良好的兼容性。\n 通过典型流程模型作为参考完成的模拟实验，我们发现即使在不区分流程案例的通用事件日志上，仍然可以使用自动化的处理方法重现用户行为间的主要结构依赖关系。本文的研究工作为行为模式挖掘的主要工作步骤建立了最基本的解决方案，从而为将行为模式挖掘技术应用于实际场景、准确发现现实生活中的用户行为模式、分析并改善人们的工作效率做好了工具与技术准备。

关键词：网络信息系统互联网行为模式挖掘流程模型

来源：评论

学校读者我要写书评

暂无评论

面向邮件网络事件检测的用户行为模式挖掘

引用

计算机学报 2014年第5期37卷 1135-1146页

作者：李全刚时金桥秦志光柳厅文电子科技大学计算机科学与工程学院成都610054 中国科学院信息工程研究所北京100093 信息内容安全技术国家工程实验室北京100093

挖掘邮件网络通信中的用户行为模式并分析其演变过程对于检测数据泄漏、内部威胁等工作都有着重要指导意义.已有的邮件网络用户行为模式挖掘方法可大致分为两大类:基于邮件内容和基于网络结构.基于邮件内容的挖掘方法存在侵犯用户隐私... 详细信息

挖掘邮件网络通信中的用户行为模式并分析其演变过程对于检测数据泄漏、内部威胁等工作都有着重要指导意义.已有的邮件网络用户行为模式挖掘方法可大致分为两大类:基于邮件内容和基于网络结构.基于邮件内容的挖掘方法存在侵犯用户隐私或者因加密导致无法获得邮件内容等诸多局限性;基于网络结构的挖掘方法常把邮件网络视为是一个完整的网络,而忽略了组织外部邮箱间通信信息存在的缺失,使得提取某些特征时出现偏差,从而会影响到结论的准确性.文中将邮件网络分为两部分:域内通信网络和有连接缺失的域外通信网络,分析了域内通信和域外通信信息完整性的差异,分别提取了其各自的结构特征和职能特征.通过引入模元的概念,将常见的二元对应关系(特征-模式)转化为三元对应关系(特征-模元-模式),并从模元的角度来对用户模式进行统一描述.文中的工作有助于对用户行为模式的理解与对比,同时又具有降维的作用.在Enron邮件数据集上的实验结果表明文中方法将用户行为模式更加简洁地表示出来,并且能够通过分析用户行为模式的变化来直观地定位事件的发生.

关键词：行为模式挖掘事件检测非负矩阵分解邮件网络日志分析数据挖掘信息安全网络安全

来源：评论

学校读者我要写书评

暂无评论

基于陷阱网络的未知蠕虫行为模式挖掘

引用

计算机工程 2006年第23期32卷 137-139页

作者：房鼎益汤战勇陈晓江吴晓南西北大学计算机科学系西安710069

针对传统陷阱网络系统对未知蠕虫行为分析能力的不足,提出了一种基于遗传算法的优化解决方案。通过自定义行为向量构造准确描述网络蠕虫行为的项目集,并利用遗传算法优化未知蠕虫行为模式挖掘结果。对比研究表明,上述方案对行为模式挖... 详细信息

针对传统陷阱网络系统对未知蠕虫行为分析能力的不足,提出了一种基于遗传算法的优化解决方案。通过自定义行为向量构造准确描述网络蠕虫行为的项目集,并利用遗传算法优化未知蠕虫行为模式挖掘结果。对比研究表明,上述方案对行为模式挖掘在两个方面有显著改进:(1)提高了未知蠕虫行为项目集描述的完备性和预测性;(2)提高了既定行为模式的支持度与置信度。论文给出了运用模式相似度对系统感染特定蠕虫后的行为进行检测的统计比较结果,实验结果表明,和现有基于知识工程的方法相比,该方案能有效提高基于陷阱网络的蠕虫行为模式挖掘的精度。

关键词：行为模式挖掘遗传算法陷阱网络蠕虫

来源：评论

学校读者我要写书评

暂无评论

基于行为模式挖掘的网络入侵检测

引用

西安交通大学学报 2002年第2期36卷 173-176,189页

作者：杨向荣宋擒豹沈钧毅西安交通大学电子与信息工程学院西安710049

基于系统模型DMIDS ,提出了一种有效防范网络入侵的方法 .该方法基于IP包信息挖掘出用户的频繁行为模式 ,能自动建立正常和异常的用户行为规则库 ;利用相似性匹配 ,能实时地检测出已知的和未知的攻击 .详细介绍了用户频繁行为模式挖掘... 详细信息

基于系统模型DMIDS ,提出了一种有效防范网络入侵的方法 .该方法基于IP包信息挖掘出用户的频繁行为模式 ,能自动建立正常和异常的用户行为规则库 ;利用相似性匹配 ,能实时地检测出已知的和未知的攻击 .详细介绍了用户频繁行为模式挖掘算法———IDSPADE ,实验结果表明该算法能够有效地发现多种网络入侵行为 .和现有基于知识工程的方法相比 ,该方法具有更高的智能性和环境适应性 .

关键词：网络入侵检测行为模式挖掘计算机信息安全网络安全相似性匹配用户行为规则库

来源：评论

学校读者我要写书评

暂无评论

入侵检测系统中的行为模式挖掘

引用

通信学报 2004年第7期25卷 168-175页

作者：王丽苹安娜吴晓南房鼎益西北大学计算机科学系陕西西安710069

提出了一种利用模式挖掘技术进行网络入侵防范的方法及其入侵检测系统模型,设计并实现了一个基于关联规则的增量式模式挖掘算法。通过对网络数据包的分析,挖掘出网络系统中频繁发生的行为模式,并运用模式相似度比较对系统的行为进行检测... 详细信息

提出了一种利用模式挖掘技术进行网络入侵防范的方法及其入侵检测系统模型,设计并实现了一个基于关联规则的增量式模式挖掘算法。通过对网络数据包的分析,挖掘出网络系统中频繁发生的行为模式,并运用模式相似度比较对系统的行为进行检测,进而自动建立异常和误用行为的模式库。实验结果证明,本文提出的方法与现有的入侵检测方法相比,具有更好的环境适应性和数据协同分析能力,相应的入侵检测系统具有更高的智能性和扩展性。

关键词：计算机网络网络安全分布式入侵检测行为模式挖掘关联规则

来源：评论

学校读者我要写书评

暂无评论

面向监控视频的行为模式挖掘

引用

山东大学学报（工学版） 2011年第6期41卷 24-30页

作者：梁浩哲徐树奎李国辉张军国防科技大学信息系统与管理学院湖南长沙410073

行为模式挖掘技术是监控视频语义分析的重要组成,由于先验知识的缺乏与特征维数约束,难以准确定义参数化挖掘模型的结构复杂度,通过非参数化的无限高斯混合聚类运动特征得到原子行为模式,并估计其持续时间分布,使用局部特征维测试验证... 详细信息

行为模式挖掘技术是监控视频语义分析的重要组成,由于先验知识的缺乏与特征维数约束,难以准确定义参数化挖掘模型的结构复杂度,通过非参数化的无限高斯混合聚类运动特征得到原子行为模式,并估计其持续时间分布,使用局部特征维测试验证了挖掘模型的运动相似性假设。结果表明所得到的行为模式集准确刻画了场景的潜在运动语义,而通过行为中存在的时间多形态分布进一步发现了隐藏运动知识。

关键词：视觉监控场景分析无限高斯混合模型行为模式挖掘

来源：评论

学校读者我要写书评

暂无评论

移动用户轨迹与行为模式挖掘方法研究

移动用户轨迹与行为模式挖掘方法研究

引用

作者： Shafqat Ali Shad 中国科学技术大学

学位级别：博士

近年来,随着移动互联网应用的迅猛发展,如何对智能手机、掌上电脑、IPAD等移动设备产生的丰富数据进行挖掘,已成为数据挖掘领域的一个研究热点。移动数据挖掘在各种基于位置的服务中有着广泛应用,如早期预警系统、交通流量规划、城市计... 详细信息

近年来,随着移动互联网应用的迅猛发展,如何对智能手机、掌上电脑、IPAD等移动设备产生的丰富数据进行挖掘,已成为数据挖掘领域的一个研究热点。移动数据挖掘在各种基于位置的服务中有着广泛应用,如早期预警系统、交通流量规划、城市计算、移动营销、社交网络等。在这些应用中,通常需要根据用户的移动历史记录进行移动用户建模,获取其行为模式,如用户的历史访问地点、偏好信息以及情境信息等,其中地点信息是理解用户行为模式的最基本要素。本文深入研究了移动用户轨迹和行为模式挖掘方法。为此,本文基于一个统一的框架,提出了地点位置的坐标提取、用户停留点检测和用户频繁行为模式挖掘方法。在该框架中,首次提出同时利用GSM网络时空数据和用户提供的语义信息进行用户行为建模,因此在多种基于位置的服务中有着广泛应用前景。论文的主要工作和创新点如下： 1.提出一种基于空间聚类的移动数据预处理方法。该方法包括空间坐标提取,空间离群点检查以及缺失值填充三个部分。首先,通过Google API和MIT的开源数据集,获取移动数据的空间坐标；然后,提出基于语义和空间进行聚类的算法,解决GSM网络结构变迁(从2G转向3G)造成的数据异常和数据丢失问题。最后,在真实数据集上对该聚类算法进行了验证,结果表明提出的新方法有较好的效果和较高的效率。 2.提出利用移动用户移动轨迹的连续性进行用户停留点检测的方法。首先利用GSM网络的基本特性和用户提供的语义信息解决基站震荡的问题；其次根据用户移动过程中轨迹中基站范围彼此重叠的特性和用户停留的时间信息,提出了一种基于地理栅格的聚类方法进行用户停留点检测。在真实数据集上的实验结果表明,与用户标注的地点信息作为基准,该方法具有81.70%的准确率。 3.提出一种基于频繁模式挖掘的移动用户行为模式挖掘的模型。用户趋势分析和行为模式挖掘是很多基于位置服务的核心。为此,本文提出了结合用户所处的时空信息,利用频繁模式挖掘中的前缀扫描算法进行移动用户行为模式挖掘。并进一步利用挖掘到的行为模式进行用户相似性度量。在真实数据集上的实验结果表明,该算法在多项指标上的效果优于基准算法。

关键词：行为模式挖掘停留点检测时空趋势分析

来源：评论

学校读者我要写书评

暂无评论

基于时空语义的行为模式挖掘关键技术研究

基于时空语义的行为模式挖掘关键技术研究

引用

作者：易锋中国科学院大学

学位级别：博士

人类行为模式是现代自然科学、社会科学和经济学等学科的一个重要研究课题。对人类行为模式的深入挖掘，有助于解释许多复杂的社会现象，并在多个领域中有着广泛的应用，比如城市规划、交通预测、城市计算、流行病预防、公共安全、反恐... 详细信息

人类行为模式是现代自然科学、社会科学和经济学等学科的一个重要研究课题。对人类行为模式的深入挖掘，有助于解释许多复杂的社会现象，并在多个领域中有着广泛的应用，比如城市规划、交通预测、城市计算、流行病预防、公共安全、反恐维稳、舆情监控、个性化推荐、主动式服务等。因此，行为模式挖掘成为数据挖据研究的重要问题。\n 随着基于位置服务(Location-Based Services，LBS)的迅猛发展，各种智能定位设备和物联网(Internet of Things，IoT)设备的普遍部署，学术界和工业界收集到海量包含地理位置坐标、时间和移动用户的数据集。学术界将包含地理位置、时间和移动对象的数据称为时空数据。如何从时空数据中挖掘人类行为模式，已经成为数据挖掘领域的研究热点。从时空数据中挖掘行为模式，首先要有效表示时空数据背后隐藏的移动规律。目前，地点、时间或连续时空的规律被广泛应用在行为模式挖掘中。因为时空数据采样随机、观测不完全，样本稀疏，使得地点、时间或连续时空的规律很难有效表示个人历史记录中的移动规律。这导致已有的面向时空数据的行为模式挖掘研究面临算法性能不高、可扩展性差、泛化能力弱等问题。研究利用时空语义信息表示移动规律已经受到关注，但相关研究还处于起步阶段。\n 时空数据中的主体是人，人的移动目的（为什么）或活动（干什么）等语义信息是人类复杂移动的内在因素。很多人类行为具有周期性特点;未来位置是行为挖掘的重要内容之一;社交是人类原始本能的一种行为;这三个方向构成本文基于时空语义的行为模式挖掘研究的主体。因此，本文研究如何使用时空语义表示有规律的移动模式，以周期行为挖掘、位置预测和社交关系推断为研究对象，研究基于时空语义的行为模式挖掘关键技术。本文的主要贡献如下:\n 在时空规律表示方面，本文提出以一种时空语义——时空主题表示时空数据内在移动规律。通过构建时空张量，提出以张量分解算法为基础的时空主题挖掘算法。针对个人历史数据的稀疏性问题，通过特征工程，筛选出三大类时空特征，融合个人历史记录特征和时空主题，构建个人历史记录映射成时空主题的多类分类模型。最终将个人历史记录映射成规律明显、更适合行为模式挖掘任务的时空主题序列。\n 在周期行为挖掘方面，针对周期行为模式的复杂性，提出基于时空主题的周期行为模式挖掘算法。为高效发现周期行为模式的周期，提出以相对熵为基础的周期发现算法。提出的周期发现算法解决采样不均匀、观测不完全下周期的发现问题。合成数据集和真实数据集上的实验表明，提出的周期行为挖掘算法的结果具有可解释性，周期发现算法具有更高的准确率。\n 在位置预测方面，本文提出基于时空主题和查询自动填充的位置预测算法。利用时空主题表示稀疏个人历史记录中的规律。为解决多种移动模式共存下的预测问题，提出以查询自动填充机制为基础的新的预测算法。在位置预测中，定义一个用户在某个时空主题下访问新地点可能性的度量——探新度的概念。综合考虑个人喜好和相似用户喜好，使用协同过滤技术预测未来位置。三个实际数据集上的实验结果表明，提出的算法具有更高的位置预测精度，且具有中长期位置预测的能力。\n 在社交关系推断方面，本文分析主动上报型数据集和被动收集型数据集的不同特点。提出利用共现(Co-occurrence)对应的时空主题对区分陌生人和熟人之间的共现，设计基于时空主题的社交关系推断模型。实验结果验证所提方法的有效性，同时显示所提出的社交关系推断算法更具普适性，且准确率要高于现有方法。\n 综上，本文利用时空主题，面向周期行为、未来位置和社交关系，提出周期行为挖掘、位置预测和社交关系推断等一系列算法，并通过理论分析和大量实验验证它们的有效性，为时空数据中人的行为模式挖据提供重要的理论和技术支撑。

关键词：时空数据行为模式挖掘行为周期位置预测社交关系时空语义

来源：评论

学校读者我要写书评

暂无评论

基于位置数据的群体分布与个体周期行为模式挖掘

基于位置数据的群体分布与个体周期行为模式挖掘

引用

作者：朱铭璋上海交通大学

学位级别：硕士

随着定位技术、无线通讯和互联网等相关技术的飞速发展和逐渐成熟,人们已经收集了来自不同类型对象的大量移动数据。随着移动对象的数据逐渐增长,对数据的分析和理解在很多领域有了更加深刻的影响,如生态学研究、交通管理、移动通讯管... 详细信息

随着定位技术、无线通讯和互联网等相关技术的飞速发展和逐渐成熟,人们已经收集了来自不同类型对象的大量移动数据。随着移动对象的数据逐渐增长,对数据的分析和理解在很多领域有了更加深刻的影响,如生态学研究、交通管理、移动通讯管理和重点人群监控等。不同对象的移动规律分析和挖掘的角度可以分为群体层面和个体层面两个层次。从宏观群体层面向下看,由于个体行踪往往受其所在的特定群体的行为影响,群体行为的挖掘结果能够为个体行为的挖掘和解释提供指引;从微观个体层面向上看,由于群体是由一系列具有相似行为的个体所组成,群体行为通常是由一系列的个体行为在群体层面上的综合表现,对个体行为的挖掘可以为群体行为挖掘打下坚实的基础。综合基于位置数据的行为模式挖掘相关研究背景和现状分析,不难发现群体行为模式和个体行为模式的分析和挖掘虽然出发的角度和层面不尽相同,但却拥有同样重要的作用和影响。因此,本文从宏观和微观两个角度、群体和个体两个层面分别进行了相关行为模式挖掘算法的探索、研究以及成果可视化。本文主要工作分为如下三部分:(1)针对一类规模相对较大、日常行为相对稳定、活动范围具有一定封闭性的正式群体,本文提出了一种基于多源数据的人群分布预测方法。首先,将不同类型数据相互融合、剔除异常位置数据、统一数据格式并根据一定采样频率统计人群分布历史数据;其次,从群体自身特点与环境因素(天气和特殊活动信息)两方面分析影响群体行为的主要因素,选取特征信息建立特征空间;其次,基于皮尔逊相关系数进行数据有效性检测,结合历史数据与更新数据选取适当训练集;在此基础上,采用基于贝叶斯分类器及最大后验准则的预测器给出初步预测结果;最后,引入基于误差的学习方法对初步预测结果进行修正,以适应群体行为的近期变化趋势。在实验环节,以高校群体为例,采用上海某高校闵行校区的多源数据对师生群体分布情况进行了分析和预测,验证了上述方法的有效性。(2)针对典型的个体行为模式—周期行为,本文提出了一种包含数据预处理、周期检测和周期行为挖掘三个阶段的检测算法。a)在数据预处理环节中,针对位置数据中可能包含的异常位置数据偏差过大和采样不均匀问题,提出了异常位置数据修正算法和基于分层均值插补的非均匀数据重采样算法;b)在周期检测环节中,针对移动对象在同一地点的位置数据并不完全相同的问题,首先设计了基于核函数的参考地点检测方法并基于参考地点将时空数据转化为二值序列;其次引入离散傅里叶变换与自相关函数结合的方法完成二值序列的周期检测;c)在周期行为检测环节中,首先采用周期与类别分布矩阵共同表示一个周期行为;其次引入KL距离计算类间的差异程度并通过层次聚类法完成由二值序列到不同周期行为的聚类过程,其中周期行为的数目由检测代表性误差来确定。在实验环节,采用了上海市某区中小学生的移动历史数据验证了上述个体行为模式挖掘算法的有效性,实验结果与学生的实际日常行为吻合。(3)针对本文算法的实验结果,开发了一套基于Java Web的行为模式挖掘展示系统。通过交互的地图及热力图、动态折线图、可选累积柱状图、多功能表格等形式帮助用户直观了解相关技术与成果。首先,基于MVC设计模式搭建整个系统;其次,设计并实现系统主要功能模块以及可扩展的数据库结构;最后,部署到Tomcat服务器上进行网页测试并给出实例展示。

关键词：人群分布周期周期行为机器学习行为模式挖掘

来源：评论

学校读者我要写书评

暂无评论

中小学生数字素养游戏化测评行为模式挖掘

中小学生数字素养游戏化测评行为模式挖掘

引用

作者：孔元华中师范大学

学位级别：硕士

随着全球数字化浪潮的推进,学生数字素养的培育变得至关重要,而数字素养评价是数字素养培养的前提。目前,学生数字素养评价主要以标准化测试题和自我报告量表为主要测评工具,仅能对学生做出结果性评价,难以全面而精准地评估学生数字素... 详细信息

随着全球数字化浪潮的推进,学生数字素养的培育变得至关重要,而数字素养评价是数字素养培养的前提。目前,学生数字素养评价主要以标准化测试题和自我报告量表为主要测评工具,仅能对学生做出结果性评价,难以全面而精准地评估学生数字素养水平。而且,这些测评方法无法展示或还原学生作答的过程,难以揭示学生数字素养测评结果产生的原因。因此,本研究基于证据中心的游戏设计(Evidence-Centered Game Design,ECGD)理论框架设计了中小学生数字素养游戏化测评系统。通过收集和分析测评数据实现了对学生数字素养的精准评价。而且,采用序列挖掘算法进一步分析了学生行为模式及其与数字素养水平的关系,探究了评价结果产生的原因。具体研究内容如下: (1)基于ECGD理论的中小学生数字素养游戏化测评工具设计与验证研究本研究依据ECGD理论框架设计了中小学生数字素养游戏化测评工具,实现了学生数字素养水平的测评。并使用Rasch分析、Pearson相关分析等方法对中小学生数字素养游戏化测评任务的题目质量、效度进行了分析验证。 (2)基于中小学生数字素养游戏化测评的行为序列模式挖掘研究本研究采用DTW与K-medoids算法对学生测评过程中产生的点击流数据进行了分析挖掘,发现学生行为模式在点击转换序列、操作间隔时间序列和页面时间分布序列上呈现出不同的聚类特征。并且,本研究采用Prefix Span算法进一步挖掘了不同类别学生在点击转换序列中的频繁序列模式,发现不同类别学生在作答真实操作题目时的频繁序列模式较为不同。最后,通过单因素方差分析和Bonferroni事后比较的统计方法,发现行为序列长度越短且用时越短的学生的数字素养水平越高。本研究的创新主要体现在以下两个方面: (1)从学生数字素养水平测评的“评价结果是什么”转向探究“评价结果中隐含的认知规律” 本研究在实现中小学生数字素养水平测评的基础上进一步分析了学生的游戏化测评过程中产生的行为数据,高度还原了学生解决问题的过程,揭示了学生在完成数字素养测评任务过程中的行为规律,丰富了数字素养测评理论与实践。 (2)探究了学生行为模式与学生数字素养水平之间的相关性关系本研究探究了学生行为模式与学生数字素养水平之间的相关性关系,为了解学生数字素养水平的内在形成原因提供了新的视角,同时也为设计更有效的数字素养评估任务和制定个性化培育策略提供了重要参考。

关键词：数字素养游戏化测评 ECGD 行为模式挖掘 DTW

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：