基于数据仓库的客户资源管理

基于数据仓库的客户资源管理(CRM),模型层级结构包括生产商、交易、经销商、客户接触点及最终用户.数据仓库实现对客户信息的存储和综合;数据挖掘用于预测客户行为的联机分析处理;模型库实现多个广义模型组合辅助决策;知识库存储用于模拟人类决策过程中某些智能行为;方法库提供决策方法及软件工具等.系统实 施含评估、计划、执行和反馈调整等阶段.     

现代防空电子战中威胁目标的数据挖掘

针对现代防空作战中，防空电子战系统中目标数据信息量十分庞大的现状，介绍了数据挖掘技术，结合现代防空电子战系统的实际需要，将数据挖掘应用到防空电子战中威胁目标的属性识别、最大威胁目标的判断、提高抗击成功率、抗击过程中风险预测和控制，并指出了数据挖掘在现代防空电子战中应用成功的关键因素，从而可以利用数据挖掘技术来有效地提高电子战系统的防空作战能力。     

一种基于数据挖掘技术的战机识别算法

探讨了有效识别敌空袭兵器对指挥决策的重要性.依据现代防空作战指挥决策的特点,以及战场态势的预测对海量数据组织与存储的需求,简要论述了数据挖掘技术,建立了基于数据挖掘技术的战机识别模型,应用该模型对新采集到的战机样本进行识别.定义了数据仓库全体数据记录上待分类的样本集,采用决策树方法进行聚类分析,归纳出数据挖掘算法从数据仓库中发现的模式,求出各模式的平均指标,对新样本进行预测;最后,指出了模型的普遍适用性.     

粗集数据挖掘技术在市场营销中的应用

基于粗糙集理论的启发式数据挖掘算法,先量化数据属性的重要性,再对属性排序,并对选择的属性子集进行约简条件判定.在选择若干次后获得满足约简条件的属性子集.利用该算法,通过预处理、数据约减等步骤从商场营销数据库中收集顾客属性数据,消去多余数据属性.并由此预测需求趋势,评估需求倾向的改变,以便进行决策.     

网络安全态势感知平台架构设计

为提高网络安全防范能力,设计网络安全态势感知平台架构.详细阐述其架构与功能模块设计,利用大数据技术将异构日志源数据进行存储、处理,采用数据挖掘、机器学习算法等进行分析、整合,并用可视化技术将结果呈现给用户.通过该平台,可建立针对网络未知威胁的动态安全监控与防御体系,避免因网络攻击导致的数据泄露、信息系统被破坏等安全问题.     

基于EMD和LSTM的火箭炮电气系统状态预测

为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法.针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term memory network,LSTM)优异的数据预测能力相结合,并进行预测分析实验.实验结果表明:该方法预测的数据与原始数据之间的均方根误差值较小,且优于直接对原始数据进行预测的结果,能为火箭炮电气系统故障预测提供可靠的数据.     

基于数据挖掘的入侵检测系统的研究

入侵检测系统(IDS)的任务是监视计算机系统或网络中的事件,分析、反映隐藏的安全问题.基于数据挖掘的IDS由数据收集、数据挖掘、模式匹配及决策等模块组成.通过挖掘算法、关联规则、规则匹配等确定入侵.该系统可检测新型攻击和已知攻击的变种;自动处理数据,抽取有用成分;剔除重复攻击数据;自动提取肉眼难以发现的网络行为模式等.     

数据挖掘技术在工程项目成本预测中的应用

首先介绍了数据挖掘的基本概念和处理过程，然后分析了几种数据挖掘技术在工程项目成本预测中的应用．     

KDD在入侵检测中的应用探讨

按照数据挖掘处理过程，对安全审计数据进行智能化处理，从大量审计数据中提取入侵模式与安全相关的系统特征属性，可建立基于数据挖掘的入侵检测模型，首先选择数据源，对数据集成、清理、变换、简化等数据预处理，针对入侵检测选择决策树算法，用决策树算法创建数据源、数据维度、多维数据集、数据挖掘模型，通过对挖掘结果和模型可视化分析处理，说明将数据挖掘技术应用于入侵检测是可行的。     

集成学习中预测精度的影响因素分析

集成学习被认为是当前数据挖掘、机器学习中提升预测精度的重要方法。在分析集成学习基本概念的基 础上,将集成学习模型设计划分为分类器构建、分类器集成和分类结果整合3 个阶段,并从分类器误差控制、集成 泛化能力提升和应用误差容忍具体对提升集成学习预测精度进行研究探讨,通过实例分析研究3 个阶段预测精度的 影响因素和提升方法。结果表明,该研究对控制集成学习预测误差、提升预测精度和构建合理高效集成学习模型具 有较为重要的指导意义。     

基于相似时段和PCA-ELM 的超短期风电功率预测

为提高风电场输出功率的预测精度, 提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM) 组合算法(PCA-ELM)的预测模型。通过关联度分析明确待测时段的相似时段范围,结合天气数据、机组状态和历史 功率构建训练和测试样本,利用预测算法完成样本的训练和测试,得到输出功率预测结果并验证。实验结果表明： 与常见的算法模型相比,该预测模型在不同装机容量和不同工作状态的风电场中均具有较高的预测精度,表现出良 好的预测稳定性和泛化能力。     

指挥自动化系统的生存性研究

网络攻击使指挥自动化系统变得脆弱,传统的"堡垒"模型不能从根本上解决其安全问题.从系统生存性角度出发,分析生存性系统特性的运行机制,并将生存性思想贯穿指挥自动化系统开发的全过程,其设计步骤包括:系统定义、基本服务与关键资产的定义、攻击者能力预测、设计生存性系统体系结构、系统生存性分析、方案评估.     

美国军事电子信息系统数据建设的发展及启示

为解决我国网络信息系统数据建设等方面存在的诸多问题,提出一种网络信息系统数据建设的系统架构.研究美国军事电子信息系统数据建设过程,分析其思想及应用技术,并给出相应的技术建议.结果表明:该系统能形成数据的采集、存储、分析、挖掘及安全保障,确保人员在合适地点、合适时间获取合适信息.     

步进应力加速寿命试验在预测底火贮存寿命中的应用

采用步进应力加速寿命试验原理，通过对某底火贮存状态，失效机理分析和模底试验，确定了试验应力和应力水平。建立了数据处理数学模型和贮存寿命预测方法，并计算出某底火在正常应力水平下的可靠贮存寿命。该方法对预测其他火工品贮存寿命提供了依据。     

通用预测支持系统的设计

基于COM组件的通用预测支持系统包括数据预处理及预测分析.前者为数据库类、电子表格类及文档类等数据设计不同接口.后者含选择模式,组合预测,选择预测指标、时间,模型数量及种类,确定模型比重参数、返回预测结果等步骤.系统在经典预测模型基础上提供单纯预测、组合预测、神经网络预测结果修正3种预测模式.     

基于改进Grey-Markov模型的导弹备件需求预测

导弹备件需求系统是复杂的系统,根据灰色预测和Markov的特点,给出Grey-Markov模型,用无偏GM（1,1）模型拟合备件需求的变化趋势,而进行Markov预测,在预测过程中,不断更新原始数据;通过对导弹备件需求预测表明,相比一般的灰色预测模型,该模型预测准确度（尤其是中长期预测中）得到了较大提高。     

基于定期检测的导弹贮存可靠性研究

基于导弹的定期检测数据，通过对导弹贮存可靠性的变化机理进行分析，建立了导弹贮存可靠性预测模型．并对模型进行了拟合和检验，结果表明该方法能较好地预测导弹贮存可靠性的变化规律。     

基于灰色理论的间断性需求备件预测方法

针对装备贮存过程中备件需求呈现间断性,难以对备件配置数量进行预测的问题,应用灰色理论,建立了间断性需求备件预测模型。计算实例表明,该方法简单实用,可在检测数据样本量较少的情况下对间断性需求备件进行有效预测,为备件配置数量的确定提供了理论参考。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

基于时间序列法的半导体芯片生产需求预测

基于时间序列法的半导体芯片生产需求预测,通过LabVIEW编程,采用逆序及峰度偏度检验法对输入的历史信息进行数据预判,对符合条件数据序列进行模式识别.根据模型类用长自回归残差法进行参数估计,将AIC最小值定阶法、F定阶法和白度检验法结合进行精确定阶.以此建立符合实际生产需求的预测模型.