一个基于SLIQ的分类算法的实现

在介绍数据挖掘、分类算法的有关概念的基础上，描述了一个基于SLIQ(Supervised Learning in Quest)的分类算法的实现。算法控制结构采用队列来控制广度优先搜索，对属性表进行内部排序生成有序的属性表序列，再对所有属性表进行遍历，找出所有叶子节点的最佳分裂方案，对应该分裂的类表进行更改，最后生成的决策树通过前序遍历的方式存入输出表。     

基于Web的毕业论文管理系统的设计

随着信息技术在管理上越来越深入而广泛的应用,信息管理系统的实施在技术上已逐步成熟。但目前针对高校的毕业论文管理系统普遍存在着针对性不强的缺点,很难适应高校的网络化管理。当前系统采用的是B/S结构,借助网络平台,以SQL Server2005＋ASP.NET作为开发工具。以实现高校教务学籍管理水平的高效化和网络化。     

基于ExtJS框架和RDLC技术粮企Web报表系统设计磁

针对粮食企业业务统计和分析的需要,在进行综合分析的基础上,提出了基于ExtJS框架和RDLC技术的粮企报表系统的设计。系统平台基于．NET平台设计开发,采用主流的UI设计框架以及报表工具,UI设计美观,速度快,浏览器兼容性高,能制作各种样式复杂的报表,同时支持B／S和C／S模式,功能强大,易于部署。在某企业应用实践结果表明此系统具有极大的参考价值,在满足我国粮食类企业信息化的发展同时也满足了粮食企业生产发展的需求。     

重权关联因子可信度联想的疾病确诊方法研究

设计利用智能计算机系统协助人类专家求解人畜疾病诊断问题是医学人工智能的研究热点之一。传统诊断系统没有处理临床之间的时序相关性,漏诊率高,实用性低。为改进机器诊疗效率,以山羊为例,分析了疾病临床的关联性,在可信度知识规则表示方法中引入关联因子机制;用低值联想,高值联想,加权联想等算法修下重正关联因子可信度。实验表明:重权关联因子可信度联想显著地改进了推理规则激活率,大大降低了漏诊率。     

网格下最大频繁项集挖掘算法的实现

随着网格和数据挖掘技术的发展，提出了网格平台下最大频繁项集数据挖掘算法，采用数据库的垂直表示和基于前缀关系的等价划分，以等价类长度的指数函数作为等价类的权值，减少剪枝对负载的影响，合理划分等价类，在动态负载平衡情况下使处理机异步计算，大大提高算法的执行效率。实验证明设计的算法有较好的可扩展性，其性能明显优于其他相关算法。     

基于网格的隐私保护分类挖掘算法的研究

随着网格和数据挖掘技术的迅猛发展,我们结合传统分类方法的优缺点,提出了一种基于网格平台下的隐私保护分类数据挖掘算法,设计应用转移概率矩阵对网格中采集的原始数据进行转换,然后利用分类方法构建判定树,模拟实验证明我们设计的该算法适用于不同的数据类型,并且对任意的原始数据概率分布及任何属性的变换都具有较高的精度。     

网格下基于BFCM数据挖掘算法的实现

为了拓展算法的应用领域,降低算法的复杂性,提出了网格平台下宽度优先遍历的规范化方法(BFCM)进行数据挖掘,依据规范化方法将无序树转化,利用最右路径扩展方法构造模式增长空间,根据待增长模式的拓扑结构确定增长点,最后构造相应投影库并找出频繁节点。实验证明该算法支持随机存取任意树和任意节点,具有较高的时空效率。     

基于J2EE四层体系框架系统的研究与实现

C／S两层结构通过静态页面在Internet上发布信息，B／S三层结构把数据的生成和数据的表现集成在动态页面中，使动态页面变得非常庞大，且应用的表现和逻辑处理混合在一块。我们设计井实现的基于J2EE四层结构的系部动态网站，根据生产-消费模式，将应用的逻辑处理和应用的表现相分离，WEB服务器负责应用的表现，应用逻辑层负责应用的逻辑处理。前台系统即消费子系统，为访问者提供信息的呈现；后台系统即生产子系统，提供对网站的管理功能。最后讨论了基于J2EE动态网站的安全性构架以及安全的实现方法。     

基于DBSCAN聚类算法的研究与实现

高密度聚类作为数据挖掘中聚类算法的一种分析方法，它能找到样本比较密集的部分，并且概括出样本相对比较集中的类。文中分析了传统的聚类算法及局限性，讨论了一个基于高密度聚类算法的实现过程，使得算法可自动发现高维子空间，处理高维数据表格，得到较快的聚类速度和最佳的聚类效果。     

一个基于DBSCAN聚类算法的实现

高密度聚类作为数据挖掘中聚类算法的一种分析方法，它能找到样本比较密集的部分，并且概括出样本相对比较集中的类。分析了传统的聚类算法及局限性，讨论了一个基于高密度聚类算法的实现过程，使得算法可自动发现高维子空间，处理高维数据表格，得到较快的聚类速度和最佳的聚类效果。