克隆遗传算法在学生成绩分析中的应用

分析了关联规则挖掘的特点,提出一种基于克隆遗传策略的关联规则挖掘模型。该模型针对遗传算法易于陷入局部最优的缺点,引入克隆算子,通过克隆操作扩大群体规模,并采用自适应方式动态地选取交叉率和变异率,从而求得问题的最优解。实例分析表明,克隆遗传模型能有效处理数据集中的关联规则挖掘问题。     

基于维间扩展和事务压缩的关联规则算法改进

Apriori是关联规则挖掘的经典算法,在利用该算法进行医疗数据挖掘的过程中,发现其频繁项集产生过程有一些不必要的开销,为此提出了改进算法Mypriori,利用维间扩展和事务压缩策略来提高频集发现的效率,并通过实验验证了算法的有效性.     

制定规则实现邮件管理自动化

邮件管理自动化的实现,在提高邮件传递质量的同时,还能避免不必要的垃圾邮件。     

基于工作流与Agent技术的选课系统研究

将工作流技术与Agent技术相结合用于选课系统的研究,充分利用工作流灵活性、软件重用和异构软件的集成特点,发挥Agent技术自组织、自学习和协同分配任务的能力.将多Agent工作流管理系统进行实例应用,设计了一个智能选课系统模型,协调系统中不同角色人员的不同活动,尽量避免冲突,使选课系统更加科学化、高效化、智能化和安全化.     

基于聚类分析的新书推荐

针对大多数图书馆管理系统中的个性化服务中的新书推荐只是定时将新到馆的图书罗列出来让读者浏览进行推荐,推荐效果差的问题。本文在比较三大常用的推荐技术的优缺点后,采用基于聚类分析的推荐算法推荐新书,并具体给出实现的方法。     

数据挖掘技术在学生就业指导中的应用

管理信息系统的应用使得职业学校的就业指导工作产生了质的飞跃,但随着毕业生人数的极具增长,系统中不可避免地积聚了大量的就业信息数据,与之匹配的统计方法已不能适应现实的需求。数据挖掘技术可以有效解决这一问题,它所包含的Apriori算法,能建立在学校的就业历史数据之上,深入分析毕业生的就业数据从而发现真正影响学生就业问题的内因,还能通过结合学生的受教育与就业需求之间的相关性,分析出社会对人才的真正需求,进而为职业学校的管理者提供参考数据,帮助他们对学校的教育模式进行改革,使其更契合当下社会对人才的需求,从而最大程度地提高毕业生就业指导工作的有效性。     

动态包过滤防火墙规则优化研究

传统的静态防火墙是根据预先规定的特定的过滤规则对访问网络的数据包进行简单过滤,难以防范越来越复杂动态的网络攻击,同时随着静态过滤规则数目的不断增大,规则的管理也越来越复杂。而动态包过滤防火墙具有传统防火墙的功能,更能提供对运输层完整的控制能力,简化了对规则集的匹配工作,提高了网络通信速率。文章对动态包过滤防火墙的工作原理和过滤规则的优化进行了研究,能在不影响网络安全访问的前提下,提高过滤规则表的管理效率。     

基于LDRA Testbed的软件静态测试研究与实现

介绍了软件静态测试的基本概念与方法,以及如何利用测试工具LDRA Testbed进行软件静态测试,并对LDRA Testbed的静态测试原理进行了研究。最后结合实例实现了使用LDRA Testbed对C代码进行静态测试,并得到了静态测试质量报告、度量报告。     

引入关联分析的用户行为信任评估在云计算平台中的研究

关联规则是数据挖掘的重要方法。随着国内外云计算应用及研究的不断推进,云计算的安全性成为云计算的核心问题之一。通过进行用户的状态行为关联分析,提取信任信息,结合可信云的思想,提出一个云计算下基于信任的防御系统模型。     

数据挖掘关联规则的研究

关联规则作为数据挖掘的一个重要研究分支,其主要的研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。本文就数据挖掘中的关联规则做了简要论述。