基于关联规则挖掘的电网设备差异化状态检测

WFP电网设备差异化状态检测方法在电网设备数量增加但数据量不变时加速比较低,因此设计一种基于关联规则挖掘的电网设备差异化状态检测方法。根据电网设备的实际参数,分析电网危害程度,简化风险评估分级,建立设备差异化状态风险矩阵;利用决策树模型挖掘得到设备历史运行数据中满足支持度要求的项集,并对决策树模型进行剪枝处理;最后得到数据之间潜在关联,完成电网设备差异化状态的检测。实验结果表明,在告警量较少的情况下,设计方法更加接近理想加速比,验证了方法具有较好的性能。     

邮政枢纽设备运行状态检测方法的研究

首先定义了设备运行状态，即开机状态，关机状态及故障状态，首次将供电状态纳入监测系统，分别提出了各种状态的检测方法，尤其对推挂机断链条的故障提出了独到的检测预报方法，给出了监测系统检测点数的计算方法；讨论了设备运行状态的显示方法，包括ＣＲＴ显示，模拟屏显示及语音输出，最后通过实例说明了监测方法在工程实际中的应用。     

基于关联规则的滥用入侵检测系统的研究与实现

为了提高入侵检测系统的智能性和检测准确性,提出将关联规则的Apriori算法应用于入侵检测系统,并对传统算法做出两点改进:利用动态剪枝技术,提前判断出不符合要求的候选项,以减少数据库扫描次数;使用逆向回推思想,先找出最大频繁集,再由此得出所有频繁集。在自构建的入侵检测系统中,运用改进的算法先训练出入侵规则,而后基于滥用检测技术,用其检测捕获到的网络数据包。实验结果表明,改进后的算法能够达到比较高的检测率,而且相同数据规模下,执行效率较传统算法提高30%以上。     

浅析数据挖掘技术与关联规则挖掘算法

随着人们对信息数据量的急速增长从而数据挖掘技术也随之应运而生,这使得人们对知识与信息的渴求得到了进一步满足。对于如何才能快速高效的获取知识,对于信息处理技术来说已经成为当前热门的研究课题。审视当前对于关联规则的研究现状,针对关联研究的现状,分析实际问题对于关联规则总结出一种新的研究方式,结论为关联规则算法在今后的出路和进一步的研究上指明了方向。研究过程中通过对文献的查询分析和比较分析两种方法,进一步阐述对典型关联产生影响的各种方法,其中最为重要的是把核心Apriori算法作为一个研究的基点。     

数据挖掘中改进的Apriori关联规则算法分析

首先介绍了Apriori关联规则算法及其缺陷,然后对其加以改进,并分析了改进后算法的原理、框架、步骤等。     

数据挖掘中改进的Apriori关联规则算法分析

首先介绍了Apriori关联规则算法及其缺陷,然后对其加以改进,并分析了改进后算法的原理、框架、步骤等。     

基于数据挖掘的异常网络流量分析与检测研究

异常网络流量是指会对正常的网络应用造成不良影响的流量模式,早期网络规模小,数据量小,网络管理员就可分析出网络中的异常流量。随着网络规模的不断扩大,必须应用自动化、智能化技术处理网络异常流量,才能满足网络用户对网络应用安全的需求,在这种背景下出现了异常网络流量检测技术。文章提出一种基于数据挖掘技术的异常网络流量检测系统,给出系统的主要组成模块及主要设计流程,详细说明了数据挖掘模块,通过神经网络技术的应用提高了异常网络流量检测的效率及效果。     

基于数据挖掘的混合式入侵检测模型及分析

文中简单的介绍了数据挖掘技术和入侵技术,详细介绍了基于混合式入侵检测模型,分别对数据采集模块、数据预处理模块、数据挖掘模块进行了分析,并对模型进行了试验分析,实验结果表明：采用改进的关联分析Apriori算法运用于数据挖掘具有很高的准确性,最小支持度阈值较小时,检测率较高,误报率也高,最小支持度阈值较大时,检测率较低,误报率也低。     

基于孤立森林算法的电梯运行异常状态在线检测

为了提高电梯运行稳定性监控能力,设计了一种基于孤立森林模型的电梯运行异常状态在线检测方法。该方法可实时检测电梯加速度参数,振动状态主要依据基线判断,映射关系建立于电梯振动位置和能量间,电梯相关质量参数异常数据测试采用孤立森林算法实现。研究结果表明,振动能量主要集中于低频段,未观察到故障变化特征,也未检测出高频冲击信号,与人工测试获取的信息特点相符。在线测试正常值占比均高于99.6%,判断电梯正常状态及实际运行状态间差异时,主要应用了孤立森林模型。该研究有助于排除电梯运行故障,保障生命安全。     

基于数据挖掘的异常检测模型

提出了一种基于数据挖掘的异常检测模型，按此模型建成的系统具有可扩展性、自适应性和准确性等特点。另外，对模型的关键技术进行了详细的阐述，包括：数据预处理技术、数据挖掘算法、规则库建立和维护技术、决策等。     

基于关联规则的数据挖掘技术研究与展望

本文描述了数据挖掘的过程,对关联规则挖掘的核心算法及常用的优化方法进行了研究,最后通过一个例子介绍了关联规则分析在数据挖掘中的应用,并展望了数据挖掘的发展趋势及热点研究.     

基于果蝇优化算法的斗轮堆取料机异常状态检测方法

目前对于斗轮堆取料机异常状态检测存在检测精度较低的问题,现提出基于果蝇优化算法的斗轮堆取料机异常状态检测方法。通过对斗轮堆取料机的在线监测数据进行预处理,得到参数特征数据集,利用优化后的果蝇算法构建出斗轮堆取料机异常状态检测模型,实现对斗轮堆取料机的精准检测。最后通过对比实验,建立斗轮堆取料机仿真模型,利用两种检测方法对模型异常状态进行检测,通过实验可得出提出的检测方法在检测精度上要优于传统的异常状态检测方法的结论,为研究同类型的异常状态检测方法提供积极的借鉴意义。     

基于数据挖掘的政务数据安全风险检测系统

设计一种基于数据挖掘的政务数据安全风险检测系统。通过嵌入式数据采集单元获取电子政务平台数据并传输至预处理单元实施清洗、集成等处理；运用数据挖掘单元内Apriori算法挖掘政务数据的关联规则，获得正常数据与异常风险数据两种关联规则并分别存入关联规则库内；检测单元依据两种规则对政务数据实施安全风险检测，所检测异常数据由响应单元存至异常数据库，并向管理员实时反馈，完成政务数据安全风险检测。实验结果表明，该系统可有效提升电子政务平台运行安全性。     

探讨基于网络流量异常检测的电网工控系统安全监测技术

工控系统的安全性与电网是否能够正常运行有着必然联系,尤其在进入21世纪后,信息技术迅猛发展,作为向社会各领域提供电力能源的电网来说,也逐步向着规范化和智能化的发展方向过渡.但是受到网络病毒、木马程序以及网络黑客的影响,智能电网的工控系统极易受到攻击,从而出现异常现象,甚至引发局部区域的断电事故.因此,电力部门基于网络流...     

基于Apriori算法的关联规则分析应用

Apriori算法是关联规则的经典算法之一。文中是基于对Apriori算法原理的研究从而完成电影标签推荐的应用,实现当用户给自己喜欢的电影打标签时,可通过关联规则进行电影推荐。实验采用Python语言实现Apriori算法,对数据集MovieLens采用One-hot编码进行处理,利用Apriori算法寻找到数据集中的频繁项集,根据找到的频繁项集生成关联规则。实验结果表明,基于Apriori算法的电影标签推荐得到的实验结果更准确、快速、高效,同时也取得了良好的电影标签推荐效果,从而提升用户体验。     

基于关联规则挖掘的Apriori改进算法

关联规则挖掘是数据挖掘技术的一个重要分支,其中Apriori算法是最经典和最有影响力的算法。本文在讨论和分析了关联规则挖掘的基本概念后,提出了一种减少扫描数据库次数的改进算法。改进后的算法分析证明,它可以有效地提高数据挖掘的性能。     

基于关联规则的数据挖掘算法

在数据挖掘技术中,基于关联规则的数据挖掘算法是较为重要的一个课题,是我国信息技术领域的热门研究课题。基于此,本文从数据挖掘算法入手,对基于关联规则的数据挖掘算法进行了分析,将这一算法的原理作为基础,提出了提高数据挖掘算法概率的改进措施,意在提高数据挖掘算法的处理效果,使其应用于更多领域中。