基于时效性的Web页面个性化推荐模型的研究

Internet的快速增长导致了对个性化服务需求急剧增加。该文通过分析个性化挖掘的特点，提出了基于时效性的Web页面个性化推荐模型。该模型的挖掘算法在FP-Tree的存储结构上加入时效价值系数，并进行增量挖掘。通过实验证明，该模型挖掘出来的信息，能够更好地符合用户的真实需求。     

基于粗糙集-LVQ神经网络的稽查选案模型研究

税务稽查选案是稽查前对纳税人纳税诚信的分析过程.利用粗糙集理论与LVQ神经网络的优势互补,粗糙集作为前置处理系统优化选案指标结构,神经网络进行分类处理,提出并建立了一种粗糙集与LVQ神经网络相结合的税务稽查选案模型,并依此模型进行了实例验证.结果表明,利用该模型在得到可视化预测结果的同时,还可以得到较高的预测精度.     

一种高效的多维多层关联规则挖掘算法

关联规则是数据挖掘中一个重要的研究方向。文章提出了一种基于遗传算法的多维多层关联规则挖掘算法。算法针对现有多维多层关联规则挖掘中存在阈值定义不合理的缺点,依据多维和多层数据的共同特点,提出了一种启发式的阈值自定义方式,来提高挖掘效率和结果的准确性。实验结果证明这种算法是有效。     

基于关联规则和情景规则的网络告警分析模型

网络告警关联中隐含着丰富的模式知识,通过研究告警信息间的因果相关性,能够显著的提高网络故障管理的智能度.文章通过研究网络告警中的知识发现问题,提出一种基于关联规则和情景规则的网络告警分析模型.