共查询到10条相似文献,搜索用时 46 毫秒
1.
《现代电子技术》2017,(2)
受到用户数据复杂性和多变性的影响,传统数据挖掘系统往往难以精确掌控用户数据走向。为加强数据挖掘系统的挖掘精度与稳定性,提出基于E-Learning的数据挖掘系统。该系统包括E-Learning编辑服务器和数据处理体系,ELearning编辑服务器由准备模块、展示模块和生成模块构成。准备模块为不了解E-Learning数据挖掘系统的用户提供帮助,将挖掘出的用户行为数据传递给展示模块,经展示模块对用户数据进行控制、筛选和解析并传输到生成模块与知识库,生成模块对挖掘出的用户数据进行个性化定制。数据处理体系利用数据挖掘查询语言进行数据查找与解析,将解析后的数据保存于知识库,并将数据传回E-Learning编辑服务器进行循环使用。软件设计中,给出通过数据挖掘查询语言衡量用户兴趣点,对知识库进行数据的多样性非标准挖掘过程。实验结果表明,所提方法拥有较高的挖掘准确度与稳定性。 相似文献
2.
《现代电子技术》2017,(10)
云计算环境下的多服务器多分区系统中存在海量数据,传统串行数据挖掘方法对这些数据进行挖掘的过程中,无法对海量数据进行并行处理,挖掘效率低。针对该问题,设计云计算环境下多服务器多分区数据挖掘系统,其包括基础设施即服务层、平台即服务层、软件即服务层,可实现大规模数据的高效挖掘。系统通过平台即服务层中的多服务器多分区数据处理模型,实现海量数据的分布式运算,并基于MapReduce机制实现K均值聚类数据挖掘算法的并行化,通过Map和Reduce函数实现多服务器多分区数据的并行挖掘。实验结果表明,所设计系统大幅度降低了云计算环境下多服务器多分区数据的挖掘时间,提高了数据的挖掘效率和稳定性。 相似文献
3.
4.
5.
为了提高电力云数据并行化处理和调度能力,提出基于云计算的电力云数据并行化处理系统设计。主要包括云计算信息处理模块、数据加载模块、总线控制模块和人机交互模块,构建电力云数据并行化处理的集成数据库模型,采用分布式云结构融合方法实现对电力云数据并行调度过程中的分块模板检测和输出总线控制,采用网络重构方法实现对电力云数据并行调度处理过程中的网络组网设计,在数据加载模块中实现对电力云数据的并行加载,通过总线输出控制建立电力云数据并行处理的集成云信息处理平台,实现对电力云数据并行挖掘和优化处理。仿真测试结果表明,设计的电力云数据并行处理系统数据挖掘和资源调度能力较强,提高了电力云数据的集成处理能力。 相似文献
6.
《现代电子技术》2016,(24)
当前的身份管理认证技术存在风险高、数据库储存效率低、认证错误率高等弊端。因此,提出一种云电子身份管理认证系统,系统主要由认证服务器、系统服务器与云访问服务器组成。认证服务器中的控制代理模块截取用户对资源服务器请求认证的数据信息,并将数据信息发送到认证服务模块进行身份认证。用户进入到信息数据库中后,通过系统服务器中的RSA模块,对用户所需文件进行加密解密处理,依靠用户私钥和认证令牌实现身份认证,将数据信息上传到云访问服务器进行存储和传递,完成整个云电子身份管理与认证。给出RSA模块中的部分功能函数和文件加密解密流程图,以及RSA模块进行身份认证过程中的大数乘法和大数模幂运算过程。实验结果表明,提出身份管理和认证系统耗能低、认证效率高,具有较高的数据处理精度。 相似文献
7.
《现代电子技术》2016,(18):12-16
在已知网络入侵模式下对低匹配度数据信息集进行挖掘时,缺少对低匹配度数据信息集的处理和分类选取过程,存在挖掘不准确,效率低的问题。设计并实现了一种已知网络入侵模式下对低匹配度数据信息集挖掘平台,介绍了平台的总体硬件结构,利用数据采样预处理模块实现从源数据到挖掘数据的映射,完成离散化、数据过滤等处理过程。依据KC89C72 DIP40FILE分类器进行低匹配度数据信息集的分类,储存到SSRAM中,并以此为基础,通过数据挖掘模块对储存的低匹配度数据信息集进行确认与挖掘。软件设计过程中,对已知网络入侵模式的低匹配度数据信息集挖掘平台进行了详细的分析,并给出低匹配度数据信息集挖掘的实现过程以及程序代码。实验结果表明,该平台的低匹配度数据信息集挖掘准确率、误差率、时间及所需内存均优于传统的Fuzzing平台,具有一定的实用性。 相似文献
8.
将数据挖掘技术应用到电力负荷管理系统中,设计出电力负荷数据挖掘系统,此系统包括数据预处理模块,数据挖掘模块和数据挖掘结果显示模块。根据电力系统数据的特点,提出采用多元线形回归模型进行数据挖掘的方法,并成功运用了实践中实例表明该数据挖掘系统能够对电力负荷值进行有效的预测,提高用电生产管理方面信息的准确性和及时性,从而保证供电与用电的稳定。 相似文献
9.
10.
为了提升数据挖掘的挖掘精度,在传统挖掘系统的基础上,设计了一种基于连续小波变换的高光谱数据降维挖掘系统。系统集成了泛化、数据清洗这两个数据准备操作以及相关的关联规则。系统的硬件部分主要由数据存储控制模块、数据预处理模块等结合在一起,完成高光谱数据的统一管理,且为用户提供了可视化的界面。系统的软件方面融合了约束概念格以及小波变换的相关理论,并对软件中的各个模块以及功能进行了详细介绍。实验结果表明,所设计系统具有一定的可行性,为数据挖掘领域提供了一种新的途径。 相似文献