基于移动Agent及RDF的网络数据挖掘系统体系结构

1 引言随着数据挖掘的研究与应用日益广泛和深入,基于Web的网络数据挖掘正受到人们的巨大关注。面向网络的移动A-gent理论和技术,可以有效地克服网络环境状态问题,突破网络资源的限制,提升系统分布式计算的能力,并降低分布系统的复杂性。针对Web信息的描述和表达而发展起来的XML/RDF理论和技术,能够规范化处理异质异构的网络信息,同时,XML/RDF理论和技术为Agent之间及Agent同外界的交互和通信提供了一种崭新而简洁的机制,从而也降低了Agent系统的复杂性。在基于移动Agent及RDF技术的网络数据挖掘应用系统中,移动Agent是具体挖掘应用的包装器(Wrapper)和承载体,XML/RDF为具体的挖掘应用提供规范统一的结构化数据平台。两者的结合简化了网络数据挖掘系统的结构,并表现出巨大的发展潜力。     

基于多Agent系统的Web数据挖掘技术

基于多Agent系统的数据挖掘技术,能够综合应用多种挖掘算法,实现数据挖掘的并行操作.在简述了几种主要的数据挖掘技术的基础上,提出了一种基于多Agent系统的Web数据挖掘模型,进一步分析了系统组织和成员间的协作,并测试了其挖掘效果.测试结果显示,此项技术的挖掘效果具有较好的准确率和覆盖率.     

数据挖掘在网络教学中的应用探讨

全文对数据挖掘在网络教育应用进行了研究探讨,提高网络教学质量与学习效率。并提出了基于OLAP技术的数据挖掘应用和基于代理（Agent）的系统架构模型,搭建一套用于网络教学的辅助管理系统。     

基于智能Agent和数据挖掘技术的蜜罐系统的研究

传统的网络安全技术被动防护的特点,很难满足现在网络的需要。文章利用Agent的智能化和分布式协同处理功能,在传统蜜罐的基础上,提出一种基于智能Agent的蜜罐系统结构,并对获取的非法数据进行关联、挖掘,根据已有的入侵方法找出未来可能发生的入侵方式。系统利用智能Agent的分布式处理能力特点完成对各个服务器和主机的保护;利用数据挖掘算法在大量数据中提出有用信息不断更新知识库;利用专家系统实现对非法访问到蜜罐系统的漂移;利用蜜罐系统作为非法数据容器和分析工厂。文章首先介绍传统网络安全技术的不足;然后针对智能Agent、蜜罐技术的研究现状进行阐述;接着提出基于Agent和数据挖掘技术的蜜罐系统的模型;最后指出其发展前景和面临的挑战。     

数据挖掘在网络教学中的应用探讨

全文对数据挖掘在网络教育应用进行了研究探讨,提高网络教学质量与学习效率.并提出了基于OLAP技术的数据挖掘应用和基于代理(Agent)的系统架构模型,搭建一套用于网络教学的辅助管理系统.     

基于多Agent的分布式异构数据源访问机制研究

通过对Agent技术的研究，描述了基于多Agent的分布式异构数据源访问系统模型，并分析了该模型的运行机制和关键技术，这对于提高已有数据资源的共享程度和利用率及进行数据挖掘都具有重要的现实意义。     

电子商务环境下基于Multi-Agent的数据挖掘系统

计算机与网络技术的普及与发展、电子商务迅速崛起给商家带来了无限的商机,任何与消费者有关的信息对商家来说都是非常宝贵的,但是庞大数据量的搜索制约着电子商务的发展.数据挖掘技术和多Agent技术相结合,能够有效地减少数据传输量、减轻网络负载、提高挖掘性能和保证数据安全性.详细介绍了各种Agent的性能及所采用的挖掘方法的基本思想,并针对电子商务行业的业务背景和特点,设计了电子商务环境下基于多Agent的数据挖掘系统.它实现了准确、有效的数据挖掘,并向用户提供了个性化服务功能,提高了系统的运行效率.     

基于Agent与数据挖掘的分布式入侵检测系统

针对目前计算机入侵检测系统中存在的不足．文中构建了一个基于Agent和数据挖掘技术的分布式入侵检测系统。这个系统引入移动Agent使入侵检测较好地适应了分布式的环境，采用数据挖掘技术使检测系统能够更加快速有效地发现入侵行为，明显地提高了检测系统的实时性。它还把误用检测和异常检测溶为一体，把基于主机和基于网络的入侵检测进行有机结合，具有良好的可扩展性、灵活性、鲁棒性、安全性、实时性、自适应性和检测的准确性。     

基于Agent技术的数据挖掘模型研究

传统的数据挖掘方法存在效率低和非智能化等不足,难以满足网络环境下对海量数据的挖掘需要。文中从数据挖掘技术与Agent技术的特征出发,论述了两者结合的优势,将Agent技术应用到数据挖掘中,提出了基于Agent的数据挖掘模型,并阐述了该模型的组织结构。该模型能够降低问题的复杂性,减少人工的参与,在很大程度上提高了数据挖掘的智能性和高效性。     

基于数据挖掘的多Agent智能 入侵检测系统研究

本文在传统IDS的基础上,充分利用了数据挖掘技术中的知识发现、模型生成和Agent技术的智能性、主动性、移动性,提出了基于数据挖掘的多Agent智能入侵检测系统DAIIDS。     

基于粗糙集的Web结构挖掘

Web站点是由许多Web页面构成的信息系统,随着网络的飞速发展,Web挖掘得到了越来越多的研究。如何从Web中找到与用户查询主题相关的权威页面,是Web结构挖掘的一个重要研究方向。粗糙集理论作为一种有效处理模糊和不确定信息的数学工具,由于其不需要任何先验知识,在数据挖掘领域取得了广泛的应用。文中概述了Web结构挖掘的有关概念,基于粗糙集理论,定义了Web结构挖掘的数据模型,并给出了基于粗糙集的Web结构挖掘的实现流程,分析说明了该方法的性能。     

基于Multi-agent技术的知识发现新模型KDD的设计

KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。     

基于Agent的分布式数据挖掘系统

本文致力于研究如何将多代理技术应用于分布式数据挖掘中的课题,通过分析典型分布式结构的Web服务器日志,设计Web日志挖掘系统的体系结构、各个代理的具体研究设计工作等。本文将多代理技术与Web日志挖掘技术结合起来,一方面可以更清晰的进行数据挖掘系统的设计,另一方面可以充分利用多代理技术来提高数据挖掘的效率,从而对基于Agent的分布式数据挖掘系统的理论意义和应用层面价值进行探索。     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

一种基于Web数据挖掘的电子商务推荐系统

在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果.     

基于信息过滤后的Web内容挖掘

Internet的迅速发展,使得worldwideweb已经成为一个巨大的、蕴含着具有潜在价值知识的分布式信息空间,为Web挖掘研究提供了丰富的资源的同时也提出了新的挑战。该文首先论述了Web内容挖掘技术的挖掘原理和所面对的困难,然后介绍了信息过滤技术的规则以及过程。最后提出了基于信息过滤的Web内容挖掘的系统方案,较好地解决了当前Web内容挖掘中准确度不高、冗余性大的缺陷。     

Java类文件解析Agent的设计原理与实现

基于构件的开发是软件重用的主流技术。文章以JavaBean构件为研究对象,对实现基于多Agent的JavaBean构件挖掘系统的核心技术类文件解析Agent(ClassParserAgent)的实现原理、结构及功能作了具体的介绍。由于移动Agent技术具有众多潜在的优点,所以可以将类文件解析Agent定位到未来能够移动到远程服务器上完成相关任务,在类文件解析Agent的移动能力的实现上进行了详细的分析。     

Web挖掘在现代远程教育中的应用

从Web上异质的、非结构化的数据中发现有用的知识或者模式,是目前数据挖掘研究中的一个重要内容。Web挖掘就是从Web文档和Web活动中抽取感兴趣的、潜在的有用模式和隐藏的信息。文章介绍了Web挖掘基本情况。在此基础上对基于Web的文本挖掘进行了分析研究,给出了一个基于Web的文本挖掘的结构模型图。在Web挖掘和数据挖掘研究的基础上,提出了一个智能化、个性化的现代远程教育系统结构模型。它比传统的远程教育系统具有更大的发展前景。     

基于模糊理论的因特网个性化服务应用

为了使因特网上的服务更加有效和便利，以Web挖掘为基础的因特网个性化服务目前正在得到广泛的研究和应用。本文以模糊理论为基础，探讨了一个基于Web日志挖掘的个性化用户预测系统。     

基于多代理技术的分布式Web日志挖掘系统

在分析分布式Web日志挖掘的困难以及介绍多代理的概念和特性后，提出了一个基于多代理技术的分布式Web日志挖掘系统的体系结构。介绍了Web日志挖掘过程以及多代理在该系统中的应用。