入侵检测系统在电力信息网络中的应用

针对电力系统网络的特点,分析了电力系统网络安全的重要性,将基于数据挖掘技术的入侵检测系统应用到电力系统的安全体系中.通过将数据挖掘技术和入侵检测技术相结合,建立了基于数据挖掘的入侵检测系统的模型,利用关联分析算法生成规则,实现了入侵检测模型在电力系统网络中的应用.     

基于数据挖掘的自适应入侵检测系统

基于数据挖掘技术的入侵检测技术是近年来研究的热点，然而，当前采用数据挖掘技术的入侵检测系统存在的一个主要弊端是当被保护的系统发生了一些变化或进行了一定程度的调整后，误报率会明显提高．本文提出了一种自适应入侵检测系统框架，该框架能够自适应的维护正常规则集，并且在不牺牲检测性能的情况下解决规则的重新计算问题，从而使正常行为轮廓中的规则可以不断更新，加入新规则，删除旧规则，并修改已有的规则的支持度和置信度，从而有效地解决了基于数据挖掘技术入侵检测系统规则集的及时更新问题。     

基于关联规则自动建模的入侵检测模型

介绍了入侵检测的作用、类型和原理,针对入侵检测系统中由于模式库更新不及时造成的高误报率和漏报率,提出了协同数据挖掘的入侵检测模型.该技术依据关联规则,自动发现事物间联系的特性,利用关联规则自动生成模式库,并针对传统Apriori算法的缺陷引入加权关联规则.实验结果表明,该模型对已有的典型攻击检测率为90%以上.     

基于多种数据挖掘技术的入侵检测

计算机系统的复杂和网络数据的海量化,为入侵检测带来了极大的困难.本文在对入侵检测和数据挖掘进行研究的基础上将数据挖掘技术应用到入侵检测中,从提高入侵检测的效率和入侵检测的实用性的角度出发,分别对决策树、关联规则以及序列模式做了详细研究并用它们建立入侵检测系统模型.     

数据挖掘技术在入侵检测分类中的应用

数据挖掘技术可以从多个角度应用于入侵检测系统，通过合理地分类对比，可找出基于数据挖掘技术的优势，发现存在的问题，提出新思路，完善和发展入侵检测系统；首先介绍了应用于入侵检测的数据挖掘算法；然后提出了基于数据挖掘的入侵检测系统的分类，并分别对每种分类方法的实现进行了描述；最后提出了基于日志挖掘的入侵检测系统，并对可行性进行了简单论证。     

基于数据挖掘的入侵检测系统研究

提出了一种基于数据挖掘技术的入侵检测系统模型,该模型是一个核模型,具有很好的扩展能力和适应能力.结合异常检测和误用检测方法,提出了一种改进型的基于数据挖掘的入侵检测系统.论述了数据挖掘技术在入侵检测系统中的应用,讨论了数据预处理和特征提取问题.     

数据挖掘方法在入侵检测系统中的应用

介绍了入侵检测的概念及其技术方法，比较了异常检测与误用检测方法的优缺点，探讨了数据挖掘技术在异常检测中的应用，分析了数据挖掘方法中的关联分析、序列模式分析和分类分析在入侵检测系统中的协同工作方式，通过对用户行为模式的挖掘，得到入侵规则．     

基于RIPPER短序列匹配算法在入侵检测中的优化研究

介绍了数据挖掘在入侵检测中的应用,阐述了数据挖掘中分类规则和分类数学模型,分析和讨论了RIPPER算法的原理,并用RIPPER算法优化了入侵检测系统中常用的短序列匹配算法,说明了优化算法的有效性.     

数据挖掘在入侵检测技术中的应用研究

针对入侵检测系统的特点,分析了数据挖掘在入侵检测技术中应用的研究现状,并利用数据挖掘技术在处理海量警报数据方面的优势,提出了一个入侵警报分析系统模型,通过对入侵检测系统产生的警报进行分析,减少了警报数量,提高了系统的检测效率和实用性。     

基于数据挖掘技术的入侵检测系统

在将数据挖掘技术应用到入侵检测系统中的基础上，针对网络入侵的实际特征，对传统的FP-growth关联规则算法进行了改进，并引入关键属性约束来指导频繁模式的挖掘过程。改进的FP-growth算法在挖掘规则过程中有效地降低了空间的损耗量，大大地提高了系统挖掘效率，从而指导系统挖掘出更有意义的频繁模式。     

从样本数据中提取模糊规则的算法研究

如何从大量数据中提取或“挖掘”知识是数据挖掘领域中的研究热点之一。利用神经网络在提取规则时的优势从样本数据中提取模糊规则。介绍了一系列算法 ,其中朴素提取规则仅是对样本数据粗糙的挖掘。参照模糊控制中的模糊化思路 ,可在挖掘问题中引入模糊语言变量。根据隶属函数的训练 ,模糊语言的筛选 ,属性间是否存在相关性的判断等问题 ,利用神经网络中的BP算法提出了双向训练算法。在已完成训练的网络进行网络剪裁 ,最后在完成剪裁的网络上 ,先确定候选规则再利用聚类结果从候选规则中提取模糊规则。     

基于Rough集的规则抽取技术

数据分类是数据挖掘的一个重要功能,神经网络以其良好的抗噪性和鲁棒性而成为一种广泛使用的数据挖掘工具,尤其是运用在数据分类中.但是,神经网络对用户来说是一个黑箱,所获得的知识隐含在神经网络的连接权中而难以理解.针对这种情况,建立了一个基于神经网络的数据分类系统模型,通过数据处理、网络训练、规则抽取等几个阶段,达到将获得的知识清晰化的目的.在系统中,首先对连续性数据作规一化和对语义性数据进行编码;然后经过网络训练而获取知识;规则抽取采用功能性方法:即把神经网络视为黑盒,随机产生输入得到相应的输出组成实例,然后采用Rough集的方法进行约简得出规则.     

教育考试数据挖掘系统研究与实现

进行教育考试信息挖掘与分析研究,有利于充分发掘教育考试数据的潜在价值,更好地为教育管理、决策提供科学的依据.针对教育考试数据,研究了教育考试数据挖掘系统的整体架构以及面向主题的数据挖掘实现.在分析教育考试数据资源现状与特点的基础上,提出了教育考试数据挖掘系统框架,采用Apriori算法生成频繁数据项集,并对考生高考科目成绩进行关联规则挖掘.结果表明,教育考试各门科目成绩之间存在紧密关联性,规则的置信度均达到75%以上.     

数据挖掘在网站网页设计优化中的应用

因特网的应用提供了前所未有的数据量 ,因而查找用户所需的信息成为一件困难又麻烦的事情。有效组织数据 ,简化用户的查找是构造网站数据库必须认真考虑的问题 ,但这取决于用户的使用模式。了解用户如何使用网站的各项内容是一个知识发现的问题。而数据挖掘技术的目的就是在大量数据中发现知识 ,它已经成为知识发现的核心技术。从而数据挖掘技术为网络领域提供了一个知识发现的手段。讨论了在网站网页设计优化中使用数据挖掘技术的问题。介绍了一个具体的应用于该方面的数据挖掘工具WDWT的设计与实现。论述了系统的结构 ,各组成部分的功能 ,关联规则的发现算法     

Trust evolvement method of Web service combination based on network behavior

Based on the problem that the service entity only has the partial field of vision in the network environment, a trust evolvement method of the macro self-organization for Web service combination was proposed. In the method, the control rule of the trust degree in the Dempster-Shafer（D-S） rule was utilized based on the entity network interactive behavior, and a proportion trust control rule was put up. The control rule could make the Web service self-adaptively study so as to gradually form a proper trust connection with its cooperative entities and to improve the security performance of the whole system. The experimental results show that the historical successful experience is saved during the service combination alliance, and the method can greatly improve the reliability and success rate of Web service combination.     

哈希索引的扩展置信规则库推理方法

由于扩展置信规则库在推理过程中需要遍历规则库中所有的无序规则,所以当规则库很大时,扩展置信规则库系统的推理效率不高。鉴于此,提出使用局部敏感哈希算法构建置信规则索引的优化方法。首先用局部敏感哈希算法为规则库中的所有规则生成特殊的局部敏感哈希值,该哈希值能尽量保持原始规则之间的相似度,因此相似的规则有较大的概率得到相同的索引值;然后通过对输入数据的处理,在索引表中找到与输入数据邻近的规则,并有选择地激活这些规则,从而提高该系统的组合推理效率;最后通过选用非线性函数拟合实验和输油管道的泄漏检测仿真实验,对基于局部敏感哈希索引的扩展置信规则库系统进行检测和验证。实验结果表明,局部敏感哈希算法能够有效地优化扩展置信规则库系统的推理效率,并能够提高输出结果的准确率。     

基于神经网络与规则库的故障诊断专家系统

现代设备的维护需要对设备所出现的故障能够出准确而且迅速的判断,为满足这些要求,单纯地依靠传统的故障诊断专家系统是不够的,指导人工智能中的神经网络知识应用到专家系统中去,建立神经网络专家系统;同时,把神经网络同规则库联合起来,又可达到优势互补的效果。在神经网络诊断中,采用牛顿算法和反向传播算法的联合对BP算法进行了一些改造,使收敛速度得以提高。在某油田注水泵机组故障诊断专家系统中应用了此种原理。     

业务规则管理技术在电信计费系统中的应用

文章探讨了业务规则及其管理，业务规则在企业发展上的重要性以及企业如何利用业务规则管理系统（BRMS）的规则引擎来完成更多的业务规则。     

关联规则挖掘技术在盲用软件中的应用研究

针对当前的网站导航机制,提出了一种将关联规则挖掘算法应用于网站中以快速访问相关内容的架构。通过不断扫描对象,组成一个Web信息元数据库,找出其中相互关联的部分,再进行兴趣分类,借助于快捷键的设置来使用户快速的访问感兴趣的信息。通过实验数据分析,将关联规则挖掘算法应用到盲用软件系统中可有效提高访问速度。