基于数据挖掘技术的应用分析

随着网络时代的到来和普及,现在大量的信息扎堆,在给人们代理快捷方便的同时也给我们带来一个难题,就是大量的数据如何消化以及真假的辨别,其次是这些信息的安全性如何保证,再就是他们的统一处理方式方法。这时一个新的名词出现了——数据挖掘技术。数据挖掘是一项比较新的数据库技术,存在广泛的实际应用需求;本文对数据挖掘技术作了个全面的概述,列举出了数据挖掘系统组成和挖掘方法。     

基于数据挖掘的股票分析系统设计

由于股市内的数据的庞大和复杂,在进行有效的股票数据分析的时候我们需要更加精确的数据来为我们服务,基于以上股市数据的特点,利用数据挖掘技术对股市趋势的计算是符合实际的,在BP神经网络算法的基础上对股票分析系统进行设计。     

基于XML的Web文本数据挖掘模型构建

本文在分析Web数据挖掘相关理论基础上,深入探讨XML在Web数据挖掘中应用问题,利用XML和Web数据挖掘技术的结合点,提出建立基于XML的Web文本数据挖掘模型,为如何从大量的Web资源中获得有价值的知识提供了一种可行的解决方案。     

中国运营商IDC差异化竞争力排行榜

榜单说明： 市场认可度：该IDC在用户当中的知名度．美誉度等。主要来源于问卷调查和数据挖掘。总分25分：     

基于数据库技术的数据挖掘分析与研究

立足于XML技术,以数据挖掘为应用背景,研究、探讨了面向XML数据库的挖掘技术。基本出发点是充分发挥传统数据挖掘中成熟丰富的技术优势,兼顾XML数据库的特点,实现二者的紧密结合,最终达到能够对以XML数据库为挖掘源进行简便、有效的挖掘这一目的。在全面介绍XML及其相关技术的基础上,针对提取关联规则这一数据挖掘目的,给出了基于XML数据库的关联规则挖掘方法,旨在探索出一种面向XML数据较好的挖掘方法,解决从XML这种半结构化数据中挖掘知识的问题。     

基于数据挖掘的高校学生学习成绩分析应用研究

高校的学生成绩管理是各高校教务管理工作的核心和基础。大多数高校的学生成绩是以多种形式保存,一般只限于对成绩的查询及简单的统计上面,没有对这些积累的海量数据背后的有用信息进行挖掘分析。针对这些海量数据构建数据仓库,利用数据挖掘技术的分类预测算法对学生成绩进行挖掘分析,表明学生成绩的高低是与学生本身的特质、生源地、教师学历等多因素有联系的。通过分析得出的这些联系可以为学校的决策和管理部门提供分析和管理的依据。反过来也可以指导和促进教学,以提高整体的教学质量。     

基于数据挖掘的协议分析检测模型

针对现有入侵检测系统的不足,根据入侵和正常访问模式的网络数据表现形式的不同以及特定数据分组的出现规律,提出按协议分层的入侵检测模型,并在各个协议层运用不同的数据挖掘方法抽取入侵特征,以达到提高建模的准确性、检测速度和克服人工提取入侵特征的主观性的目的。其中运用的数据挖掘算法主要有关联挖掘、序列挖掘、分类算法和聚类算法。     

基于数据挖掘技术的网络故障诊断分析

由于数据挖掘技术能够提供各种各样的知识,因而将其应用到网络故障的诊断和分析中可以帮助我们有效解决诊断故障时知识缺乏的现象。本文将从数据挖掘的具体内容出发,讲述将数据挖掘技术应用到网络故障诊断中如何进行数据的选择和预处理,如何对关联规则和聚类方法进行运用。     

基于文本情报的数据挖掘

文章介绍了适合于军事领域中进行情报数据的挖掘方法,建立了军事情报中非结构化文本情报数据处理方法,结合军孥睛报的特点,提出了军事情报中数据挖掘的框架模型,探讨了军事情报挖掘中文文本的方法。实现了对情报文本数据的分词、关键字提取、词频分析、关联分析等。     

一种文本分类数据挖掘的技术

挖掘的理论和应用研究是数据挖掘领域一个新的重要分支,本文介绍了一种文本数据挖掘方法。并给出了一个基于该方法的文本分类系统的实验结果,实验结果表明了该方法的可行性。     

大数据平台下网络舆情风险演化模型仿真研究

针对网络舆情风险演化模型存在网络舆情风险预测准确性低、控制效果差的缺陷,引人大数据平台构建网络舆情风险演化模型.采用协程网络爬虫算法获取网络舆情信息,得到网络舆情观点集合,以此为基础,利用Weisbuch-Deffuant模型设定网络舆情观点聚合规则,实现网络舆情观点的聚合,以网络舆情观点聚合结果为依据,采用仓室模型搭...     

基于拐点的网络舆情预测研究

舆情预测是实现网络舆情监控最重要的一个环节,针对舆情演化过程中的拐点会影响舆情预测的情况,在ARIMA和灰色预测的基础上,提出了一种基于拐点的预测方法,建立了分段和镜像处理的数学模型。最后用实例对模型进行对比验证,并总结了模型的优缺点。实验表明,该方法能够减小拐点的影响,提高舆情预测的准确度。     

基于CNN和LSTM的异构数据舆情分类方法

随着网络的发展,网络舆情数据呈现出爆炸式增长的趋势.使得数据类型越来越复杂,这些网络数据相互结合,构成了一个复杂的数据结构来表达数据的信息.在舆情数据中,通过单一类型的数据（图片、文本、语音等）越来越难以完整的表达数据信息.对于一个包含多种类型数据的网络信息,本文提出一种新的舆情分类模型,通过神经网络模型分别去学习不同类型信息的数据特征,对它们的特征融合后进行分类,通过这种方法实现数据信息更好地分类.在实验中,本文分别使用LSTM和CNN神经网络提取文本和图像数据特征,对二者特征融合后进行分类.结果证明,多种类型的数据特征进行融合后再分类,可以更好地实现对网络舆情数据信息的分类,提高了舆情信息分类的准确性.     

基于数据仓库的数据挖掘研究

结合当前数据仓库和数据挖掘的发展，本文探讨了数据仓库和数据挖掘结合的必然性；提出了基于数据仓库的数据挖掘的体系结构；综述了基于数据仓库的数据挖掘的主要特征和典型应用。     

基于Spark的舆情情感大数据分析集成方法

随着移动互联技术的不断发展,社交媒体成为了公众分享观点和抒发情感的主要平台,在重大社会事件下对社交媒体文本进行情感分析能够有效监控舆情.针对现有中文社交媒体情感分析算法的准确性能和运行效率较低的问题,提出了一种基于Spark分布式系统的集成情感大数据分析方法(Spark Feature Weighted Stackin...     

基于k-means改进算法的入侵检测系统的研究

本文介绍了入侵检测系统的基本概念,分析了数据挖掘技术在入侵检测系统中的应用.本文主要研究了聚类分析中的k-means算法在入侵规则匹配中的应用,指出了该算法的不足,通过对传统k-means算法的改进解决了聚类算法固有的无法预知最佳聚类个数和分类过细的问题.提高了系统的规则匹配效率.     

面向网络舆情数据的异常行为识别

社交网络的日益普及和移动设备快捷的网络接入,使得网络舆情的传播十分迅捷,民众对热点话题的关注度和参与度得到很大的提升.网络舆情具有自由性、交互性、多元性、偏差性、突发性等特点,能够左右民众的情感和判断,能推动和改变事件的发展和走向,容易被反对分子利用,已经成为影响社会稳定的重要因素.因此,及时检测、控制并引导舆情的发展具有十分重要的意义.研究关注网络中传播的蕴含有“破坏”、“危险”、“损失”等涉及公共安全或涉及司法公正的行为.根据课题的需要,定义4种关注的异常行为类型:攻击行为、受伤行为、死亡行为、拘捕行为.从数据挖掘和信息抽取的角度研究识别异常行为的方法,首先通过分类器和触发词从海量的数据中过滤出包含异常行为的句子,然后抽取异常行为句中包含的命名实体,最后利用抽取的实体构建异常行为共现网络,为分析人员提供可视化的网络舆情分析方法.     

基于数据挖掘的智能引擎研究

随着互联网的迅速发展．网络上的信息量呈现出迅猛增长趋势,为了查询所需知识,搜索引擎已成为知识搜索和知识发现的必备工具。该工具是综合了数据库技术、数据挖掘技术、人工智能知识等多种技术,利用数据检索策略进行知识发现的过程。但目前搜索引擎还存在一些缺陷,尤其是针对个性化的查询请求往往不能达到满意效果。所以将数据挖掘技术应用到搜索引擎领域,从而产生智能搜索引擎,将会给用户提供一个高效、准确的Web检索工具。 本文针对目前搜索引擎在检索准确率和全面性方面存在的不足,设计并实现了一种智能化搜索引擎模型,同时提出了一种改进的聚类算法和关联分析方法,并在此基础上实现了一个基于数据挖掘的搜索模型。     

基于Web日志的数据挖掘研究

针对当前Web日志数据信息越来越多的问题,传统的数据库管理系统无法对其进行有效的操作分析。采用数据挖掘技术对其进行研究,从数据挖掘的系统结构和数据挖掘的过程两个方面对数据挖掘进行描述;对Web日志挖掘的理论和过程进行了详细的分析;给出ID3算法的描述,并给出了部分核心的代码。     

基于知识网格的数据挖掘研究

目前,尽管基于网格计算、知识网格的数据挖掘技术都还不成熟,但随着研究的不断深入,数据挖掘的工具及其算法也必将在分布性、并行性、灵活性和有效性方面得到进一步发展和提高.伴随着网格和数据挖掘技术的不断提高,基于知识网格的数据挖掘技术将得到广泛的应用.文中在讨论知识网格体系结构的基础上实现了基于网格的分布式数据挖掘过程.