.NET平台下电子商务数据挖掘服务设计与实现

根据电子商务环境中分布式和异构性数据挖掘服务需求,设计了基于移动Agent和Web Service的五层分布式数据挖掘服务框架,实现数据挖掘服务与电子商务系统的松散耦合。从整体框架给出数据挖掘服务质量评价体系,包括支撑性服务质量评价和算法服务质量评价。具体分析了.NET平台下移动Agent的迁移和WCF技术创建数据挖掘服务过程组件的实现。     

基于SPRINT分类算法的异构分布式数据挖掘研究

分类算法是数据挖掘领域最重要的技术之一。随着网络的迅猛发展，分布式环境的日益普遍，分布式数据挖掘已成为近年来数据挖掘中的热点问题。针对目前的数据库多为异构式分布，提出利用SPRINT算法来进行分布式环境下的分类研究。先简要介绍了SPRINT算法，然后针对具体实例，详细探讨了分站点的预处理、计算最佳分裂、中心站点的决策树生成等几个阶段以及具体的算法设计实现过程。     

基于Web Services的Web挖掘实现方案

随着信息技术的发展,web挖掘技术已成为数据挖掘技术的研究热点。本文针对Web挖掘中数据库环境的异构和信息半结构化等难题,提出了一个Webservices框架下的Web挖掘实现方案,使用XML关键技术对异构信息进行包装,使之成为统一的数据模式,从而可以采用数据挖掘技术从海量异构信息中提取出更加有用的信息。     

OSGi框架下基于LDAP的异构遥感服务调用机制研究

针对异构遥感算法服务集成方法在元数据和生命周期管理方面的不足,提出了在OSGi框架下基于LDAP的异构服务调用机制。该机制设计了一个异构服务代理,将异构服务封装为OSGi bundle服务,实现服务生命周期管理,并结合LDAP技术,实现异构服务元数据管理;同时引入工作流引擎技术,搭建了一个异构服务交互调用的原型系统。通过遥感NDVI产品生产实验表明,该方法不仅能灵活地调用多种异构的遥感算法服务,且能有效的管理服务元数据及其生命周期。最后性能分析表明,该方法也为遥感数据分布式处理提供了一种有效的解决方案。     

云计算环境下关联规则挖掘算法的研究

云计算为存储和分析海量数据提供了廉价高效的解决方案,云计算环境下的数据挖掘算法的研究具有重要的理论意义和应用价值.针对云计算环境下的关联规则挖掘算法展开研究,介绍了云计算的概念、Hadoop框架平台、MapRe-duce编程模型和传统的Apriori算法;在此基础上,以实现云计算环境下的并行化数据挖掘为目的,对Apriori算法进行了改进,给出了改进的算法在Hadoop中的MapReduce编程模型上的执行流程;通过一个简单的频繁项集挖掘实例展示了改进的算法的执行效率及实用性.     

分布式环境下分类知识的挖掘算法研究

计算机及通信网络的快速发展,对数据挖掘算法的分布化提出了要求.介绍分布式数据挖掘的结构,然后重点针对分类知识的挖掘,探讨目前分布式环境下主要的分类挖掘算法.     

一种基于蚁群算法的网格任务调度方法

网格资源具有动态变化,广域分布及系统异构的特性,如何分配调度这些资源成为网格计算研究领域一个重要研究课题。国内外在网格任务调度研究上已经做了大量工作,但是这些算法大多是基于计算网格的,不能很好的适应服务网格环境下存在任务相关性的调度,同时在适应网格的动态性、异构性上也存在不足。针对目前网格调度机制存在的问题,提出了一种基于蚁群算法的服务网格任务动态调度方法,仿真实验结果表明该算法具有较好的性能和自适应性。     

广域分布式环境中面向服务的文件管理系统

在广域分布式环境中,文件资源存储在分布、异构的环境下并通过不同协议被访问.该文针对广域分布式环境和数据密集型应用的需求提出一个面向服务的文件管理系统.该系统把分布、异构的存储资源用虚拟技术封装成一个文件存储资源,并提供统一的文件视图与访问接口,实现存储资源的共享.实际测试结果表明了该系统的有效性.     

基于改进SALS算法的大数据挖掘效率优化探究

移动互联网时代,各类移动网络终端的使用在为移动用户带来便利的同时,也为运营商提供了海量的可供挖掘数据来源。运用大数据技术对非结构、半结构、结构化数据进行数据挖掘,可以有效提高挖掘效率,帮助运营商找到潜在商机、提升用户体验、进行精确营销。针对大数据挖掘中存在的效率问题,提出了基于改进SALS算法的Hadoop推测调度,从而减少异构环境下的资源浪费,提高大数据挖掘效率。     

网格环境下分布式并行数据挖掘研究

随着信息技术的持续发展和广泛使用,大量的数据不断被收集和存储,对分布的目标数据进行数据挖掘处理任务的规模越来越大,而传统的数据挖掘无法解决分布式海量数据挖掘的问题,分布式系统很难解决异构的操作系统和协议问题.网格技术的发展成熟,使得利用网格环境下强大的资源共享异构虚拟组织实现协同并行数据挖掘成为网格技术应用的一个研究重点.本文提出基于网格环境的Agent技术、多线程和集中表决技术的关联规则并行挖掘方案,并在GT4下实验验证,实现对大规模数据的网格环境分布式并行数据挖掘.