网格关键技术论析

信息技术的下一个浪潮高峰是万维网(World Wide Web)升级为网格(Grid)。了解、认识。进而应用网格技术意义重大。网格的关键技术主要有网格硬件、网格操作系统、网格应用层面、网格计算以及其他一些关键技术。     

数据挖掘在网格Qos中的研究与应用

为了在复杂异构的网格大量的性能数据中挖掘出有用的信息,用于优化和确定对于具体监控对象的监控与管理策略,提升系统可靠性管理和服务质量的自治性程度,本文基于数据挖掘技术研究了网格Qos与数据可靠性分析,研究了网格Qos的数据仓库的构建与更新,以及Qos数据挖掘工具集的构建与管理等等数据挖掘在网格应用中的关键问题,对数据挖掘理论在网格Qos和可靠性方面,在广域分布的海量数据和计算资源的环境中发现数据模式,提供一种更快捷且行之有效的方法。     

网格环境下的教学质量数据挖掘

教学质量数据挖掘能获取大量有价值的教学管理和教学评价信息,为教学管理工作提供科学的决策和依据.网格的数据挖掘是数据挖掘技术与网格计算的有机结合,现概述了网格数据挖掘的特点,讨论了网格的数据挖掘过程,并从开放网格服务体系结构出发, 给出了网格平台下的教学质量数据挖掘的功能和执行过程.     

基于数据挖掘的网络入侵检测关键技术研究

网络安全问题日益严峻,网络规模日益扩大的背景下,网络漏洞、网络攻击的方式具有了多样性,影响着社会经济的安全、健康与稳定发展。本文主要研究了基于数据挖掘的网络入侵检测关键技术,旨在有效解决各种网络安全问题。     

无线网格网关键技术及其应用研究

本文对无线网格网中的若干关键技术及其应用进行了研究。首先介绍了无线网格网的技术背景,分析了无线网格网的基本结构并分析了这种网络结构的特点,然后重点介绍了无线网格网中的关键技术,包括扩频技术、正交分割多址接入技术、隐藏终端问题解决技术以及功率控制技术,最后给出了无线网格网这种新型技术在实际中的应用。     

基于云计算的数据挖掘平台架构及其关键技术研究

随着数据挖掘系统与云计算技术融合程度的加深,传统数据挖掘系统中存在的不足之处逐渐凸显出来,很大程度上影响数据挖掘效率及有效性.在本文中,以云计算技术为基础,分析了面向海量数据的数据挖掘系统构建时的平台架构,并探讨了其中的关键技术,旨在提升数据挖掘系统的构建速度及质量.     

网格计算基本原理及其系统管理关键技术问题

网格计算可以充分利用网络资源,为海量计算用户提供集成方便的数据处理服务,文章从网格计算的基本概念和工作原理介绍入手,分析了资源管理、任务调度、服务质量和安全性等网格计算的关键技术问题,并对其技术应用与发展现状进行总结。     

基于云计算的数据挖掘平台架构及其关键技术研究

近年来,随着经济的飞速发展,社会逐渐步入信息化社会。相比传统数据挖掘系统,基于云计算的数据挖掘平台是新时代的科技产物,具有得天独厚的优势,其处理海量数据的能力、面向服务、高度扩展性等特点受到各行各业广泛的关注和认可。文章首先概述了云计算的概念以及服务范围,之后分析基于云计算的数据挖掘平台架构,并且提出相关的技术指导建议。     

基于云计算的数据挖掘平台架构及其关键技术

云计算,作为一种当代新兴的网络技术,支持对海量信息的高效处理。同时,基于云计算的数据挖掘技术也成为了当今研究的热点,它突破了传统数据挖掘系统的性能瓶颈。本文对基于云计算的数据挖掘平台的相关概念进行了一些解释,并对平台的架构以及关键技术做了分析。     

基于网格技术的企业应用系统集成研究

针对当前企业的大量异构应用系统不能互联互通、资源不能共享、数据不能联动的现状。利用基于OGSA体系结构的最新网格开发工具GT4构建一个数据网格平台来集成现有应用系统。并详细描述实现的技术路线,给出整个系统的体系结构的描述。对其中的数据一致性维护、服务选择和系统异构性的消除等关键技术提供了解决方法。     

Web数据挖掘技术研究

Web数据挖掘就是利用数据挖掘技术从网络文档和服务中发现和提取信息。Web数据挖掘是一种新兴的边缘科学技术,他涉及到机器学习、数据挖掘、信息检索、自然语言处理、数据库以及人工智能等技术,可用于网络检索、网站建设以及电子商务等方面。根据数据挖掘对象的不同可以将Web数据挖掘分为3类:Web内容挖掘、Web结构挖掘和Web访问信息挖掘。     

基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

多状态指数优化指导下的财务数据关键特征挖掘

研究一种引入多状态指数优化指导下的财务数据关键特征挖掘方法;对海量财务数据关键特征的挖掘是现代海量数据形势下快速信息挖掘的重要方法;传统的海量财务数据挖掘一般采用特征挖掘方法。文中针对财务数据关键的普通特征挖掘、特征分布考虑不足,无法实现深度特征挖掘问题。提出一种引入多状态指数优化指导的财务数据关键特征挖掘方法,对财务数据特征进行更加细致的挖掘,提取深度财务数据特征;最后采用一组特征接近的词汇进行财务数据特征挖掘实验,结果显示,文中方法将财务数据关键特征有效地区分开来,具有一定实用性。     

基于数据挖掘的电信故障分类及回归预测

基于数据挖掘技术,针对电信故障海量数据特点,合理选择属性值和标签值,运用交叉验证、网格划分、遗传算法和粒子群算法进行参数寻优,运用支持向量机SVM理论,建立电信故障分类模型和预测模型。通过仿真分析,并且与电信故障实际数据对比,表明该分类模型和预测模型的精度高,误差小,为今后控制电信故障,改善网络运行质量提供理论依据和数据支持。     

Web数据挖掘研究

Web数据挖掘是数据挖掘技术与Web的结合。介绍了Web数据挖掘的概念、Web数据挖掘的流程、Web数据挖掘的分类以及3类Web数据挖掘的应用问题。     

一种基于电信数据特点的新型特征挖掘方法

电信数据特征具备含有缺失率、量纲相差大、内在相关性高等特点,现有特征挖掘技术无法完全适用。由此,本文针对电信数据特点设计了一种新型特征挖掘方法,从缺失率、标准差、相关性和重要度四个维度出发,分别拟合指标量化评估函数,并加权计算每个特征的综合评分来挖掘特征。最后,本文使用实际业务数据,与业内最常用的随机森林特征挖掘方法进行比较,得出结论：本文设计的方法从更多维度综合衡量,其特征挖掘结果更加科学合理,并且节约25%时间成本,实用性强。     

数据挖掘技术在电力负荷管理系统中的应用

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。     

Web数据挖掘研究与探讨

随着WWW迅猛发展，WWW上的信息量不断增加，如何在这些信息中找到用户真正需要的内容，成为数据组织和Web相关领域专家学者关注的焦点。由Web数据具有的半结构化特性，使得Web数据挖掘更加复杂，不同于传统的基于数据库的数据挖掘。为了解决这个问题，把数据挖掘的理论和技术应用于WWW，出现了一个新的研究领域——Web数据挖掘。基于Web的数据挖掘主要分为：Web内容挖掘、Web结构挖掘和Web使用记录的挖掘。综述了基于Web的数据挖掘技术概念与原理，并且介绍用以Web数据挖掘实现的一种全新的技术——XML。如何进一步开发Web数据挖掘，充分利用Web资源，还有待于进一步的研究。Web数据挖掘的研究具有极大的挑战性，同时又具有极大的开发潜力。     

Web日志数据挖掘中数据预处理模型的研究与建立

数据的质量直的好坏接关系到数据挖掘的结果,因此数据预处理是Web日志数据挖掘首要的步骤,基于前期提出的几种数据预处理方法,提出了通用的Web日志挖掘的数据预处理模型,将Web日志数据的预处理分为5个步骤:数据清理、用户标识、会话标识、路径补充和格式化,并结合旅游网站进行了实例验证。证明该数据预处理模型是完全可行,并且具有良好的通用性和可扩展性。