基于数据挖掘技术的入侵检测系统

在将数据挖掘技术应用到入侵检测系统中的基础上，针对网络入侵的实际特征，对传统的FP-growth关联规则算法进行了改进，并引入关键属性约束来指导频繁模式的挖掘过程。改进的FP-growth算法在挖掘规则过程中有效地降低了空间的损耗量，大大地提高了系统挖掘效率，从而指导系统挖掘出更有意义的频繁模式。     

粗糙集与决策树结合诊断故障的数据挖掘方法

根据数据挖掘技术用于故障诊断的基本思想，利用粗糙集进行数据归纳，过滤大量故障数据中的冗余属性，得到精简故障数据集。而后，用决策树分类方法处理精简数据集，产生分类所需的规则以进行分类，并结合实例说明了该方法的工作步骤。由实例可知该方法用于故障诊断的可行性，最后指出实际应用过程中的一些技术难题。     

教育考试数据挖掘系统研究与实现

进行教育考试信息挖掘与分析研究,有利于充分发掘教育考试数据的潜在价值,更好地为教育管理、决策提供科学的依据.针对教育考试数据,研究了教育考试数据挖掘系统的整体架构以及面向主题的数据挖掘实现.在分析教育考试数据资源现状与特点的基础上,提出了教育考试数据挖掘系统框架,采用Apriori算法生成频繁数据项集,并对考生高考科目成绩进行关联规则挖掘.结果表明,教育考试各门科目成绩之间存在紧密关联性,规则的置信度均达到75%以上.     

数据挖掘研究现状及最新进展

随着Internet和大型数据库的出现,“信息爆炸但知识匮乏”的问题日益显著。如何从海量无序的数据中迅速、准确地提取有用信息和知识,创造更大的效益是一个迫切需要研究的课题。因此,数据挖掘应运而生,成为一个新的研究领域。本文对数据挖掘研究及最新进展从三个方面进行综述,总结了数据挖掘的应用现状,然后介绍了作者等人的相关研究工作,最后提出了数据挖掘未来研究方向。     

基于数据挖掘的大学生心理测评系统设计与实现

以大学生心理测评系统的设计为基础,重点介绍了其中的数据挖掘子系统的开发实现过程.在实际应用中提出了一套完整的针对心理测评数据的处理方案,包括数据的集成、抽取、清理、转换等一系列数据预处理操作.实现了大学生心理测评数据挖掘的具体应用,并结合了两个具体的应用案例并运用决策树挖掘方法找出与大学生心理症状密切相关的属性特征;运用关联规则挖掘方法探寻不同的心理测评量表数据之间的联系.     

遗传算法编码设计及其在数据挖掘中的应用

数据挖掘就是从大量的数据中提取或者“挖掘”知识,从而实现对数据资源的有效利用．关联分析是数据挖掘诸多功能中应用最广泛的一种．关联分析用于发现关联规则,关联规则描述了给定数据集的项之间的有趣联系．提出了一种基于遗传算法的关联规则的挖掘算法．在关联规则的编码方面,提出了对个体进行变长编码的方法,从而在一定程度上减少了无效规则的数目;在适应度函数的构造方面也进行了一些改进;针对规则库的覆盖问题,采用标志位的方法,对挖掘过的规则设置标志,避免规则重复挖掘．     

基于数据挖掘的网络评教系统

教学质量评价体系的建立对于提高课堂质量有着重要的意义,传统的评教系统只能片面地看到评教的最终信息,而无法发现相关任课教师在教学各个环节中的差距.因此,通过数据挖掘技术中Apriori算法发掘评价体系中各环节与总评结果之间的关联规则,从而提高教学质量评价的科学性.     

数据挖掘在课程教学中的应用

随着教育信息数据不断增加,我们面对大量数据时无法获得最有价值的知识,从而降低了数字化教学资源的作用.以武汉纺织大学线性代数课程为例,用数据挖掘工具Weka,结合关联规则和决策树方法,从往年积累的真实数据中挖掘出有价值的信息,为该课程的教学改革提供有力的理论支持.实践表明:数据挖掘技术用于教育中能提高教学效果.     

电信系统数据挖掘算法的应用

本文结合电信业务需求,分析了数据挖掘技术在通信领域的应用,介绍聚类分析和关联规则分析算法,并且对电信业务系统的历史数据进行分析,进行相应的数据挖掘实施过程,并对挖掘结果进行分析.为运营商的经营和决策提供了有力的技术支持.     

数据挖掘技术及其在高校教学系统应用的研究

高校教学系统作为大学数字化教学的一个重要组成部分,运行多年已经积累了大量的数据,但并没有得到很好的挖掘和研究。本文结合高校管理系统与数据挖掘技术对教学质量评估进行了研究,提出了教学质量评估分析主题。给出了基于SQL Server的数据挖掘解决方案,运用关联规则方法进行研究,介绍了相关算法,并进行了优化。最后对相关数据进行挖掘,对实验结果做出了初步分析,所得出的结论对高校教学工作具有一定的指导意义。     

数据挖掘在电力系统中的应用

数据挖掘是当前信息化领域的热点,它在电力系统中已获得初步应用.介绍了当前数据挖掘技术发展的现状和数据挖掘的过程,结合电力系统的数据挖掘特点,分析了数据挖掘在电力系统的应用现状及前景.     

基于Apriori算法的高校人力资源数据挖掘系统

以基于数据挖掘关联规则的Apriori算法基本原理为依据,介绍了高校人力资源数据挖掘系统主要功能模块的组成,着重研究了Apriori算法的设计与实现.该数据挖掘系统为高校人力资源决策提供了科学的依据,在高校人力资源管理应用中做出了有益的尝试.     

时态数据挖掘的探讨

数据挖掘是指从大型数据库或数据集的数据中提取人们感兴趣的知识。在现实世界中,信息系统往往涉及到时态数据。本文试图数据挖掘和时态数据相结合来讨论时态数据挖掘的有关问题。首先简要讨论时间表达式的描述;然后提出有关时态模式和时态关联规则的若干定义;最后讨论时态数据挖掘语言(TDML)的描述并给出一个实例。     

Apriori算法的改进及其在电力数据挖掘中的应用

数据挖掘是近年来数据库领域的研究热点之一,在电力系统中有很好的应用前景．文章首先分析了当前Apriori算法及主要的改进算法,在此基础上提出了一种快速产生候选频繁项集的新的Apriori改进算法,并就Apriori算法在电力系统数据挖掘中的应用进行了分析．     

数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.