基于K均值的网络安全监测数据挖掘系统研究

广西电网互联网应用系统经过多年的建设,其承载的信息化系统越来越多,面临的安全风险也越来越大.多种复杂的信息系统运行产生的日志数据、流量数据均是海量的,传统的网络安全监测模式工作效率低下,监测精确度非常低,因此亟需采用新型的数据挖掘算法k均值构建一个网络安全监测系统,动态地采集、分析、监控网络运行数据,确保电力网络安全运行.     

基于多媒体技术的高校思政教学系统设计

文章采用多媒体技术、网络技术,设计出了可应用于思政课程的三维教学系统,对推动思政课程教学方式的创新是一种新尝试。     

基于划分的聚类算法研究综述

在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。     

基于模糊K均值聚类的高校网络用户行为分析

随着网络科技的迅猛发展,互联网用户的规模正在以指数的速度不断增长。高校网络用户的规模也随着互联网兴起而出现大规模增长。对高校网络用户的上网行为进行分析,能够更好地掌握在校学生的动态,为学校制定科学、高效的互联网管理方式奠定了更加客观的数据基础。本文首先将高校网络用户上网行为进行分类,然后通过模糊K均值聚类算法对学生的上网行为进行分类。实践表明,通过对某高校的学生上网行为展开分析,为该校的互联网管理和学生的精细化管理提供了有利的数据支撑。     

基于数据挖掘技术的高校图书信息化管理研究

高校图书管理系统中的数据具有庞杂性、隐晦性和关联性,传统的图书管理系统无法从这些数据中寻找到足够的有用信息以实现优化图书配置的目的。为了解决该难题,文中以某高校图书馆为例对数据挖掘技术在高校图书管理中的应用进行了研究,得到主要结论如下:第一,频繁书籍的挖掘对图书馆内书籍馆藏数目的优化尤为重要;第二,不同类别书籍间存在可信度较高的关联规则,同时馆藏数目有限和图书外借政策导致不同书籍间的支持度较低;第三,某图书馆图书外借记录的数据挖掘所得结果与现实中读者需求的吻合度非常高。     

基于K均值聚类算法的位置指纹定位技术

为了减小位置指纹定位算法的计算量,提出一种基于K均值聚类分析的位置指纹定位算法。通过对指纹数据库进行K聚类分析,形成聚类索引,定位时通过查询聚类索引来缩小指纹库查询空间。利用改进后的算法进行室内定位实验,并将其与K近邻法进行对比测试。实验结果表明,改进后的定位算法有效减小了定位过程的计算量,而且还能保证定位精度,在短距离范围内定位平均误差可限制在2m以内。     

基于马尔科夫的聚类算法仿真分析

针对传统k均值聚类算法易受初始条件影响的问题,文中在已有聚类算法的基础上提出了一个新型的图型聚类算法:马尔科夫(MCL)聚类算法。通过MATLAB仿真软件对空手道俱乐部数据用马尔科夫聚类算法进行仿真分析,得出聚类结果,并同时分析参数对算法性能的影响。实验结果表明,马尔科夫聚类算法可以应用于对图的聚类中,但同时也会受到参数的影响。     

基于无线传感器网络的K均值算法研究

传统无线传感网一般由大量密集的传感器节点构成,存在节点计算能力、能源和带宽都非常有限的缺点,为了有效节能、延长网络寿命,介绍了基于聚类的K均值算法.该算法通过生成的簇头节点散播到网络的各个区域中,减少了每个区域内通信的能耗和可能会出现的一般节点过早死亡的情况,从而避免了网络对该区城提早失去监控.实验证明,该算法对各节点...     

“大思政”背景下高校英语课程思政建设研究

“课程思政”与思政课程同向同行、协同育人是“大思政”背景下赋予高校教学改革的时代使命。 大学英语课程 作为一门受众范围广泛、潜在思政元素丰富的学科,更应积极进行课程思政研究。 而要顺利推行高校英语课程思政建设就 必须坚持以问题和目标为导向,即基于英语课程思政建设面临的诸如认知偏差、资源建设有限、育人体系不成熟以及育人 队伍意识和能力不足等问题进行分析,进而提出优化顶层人才培育设计、增强英语课程资源科学性、培育具备一定思政意 识和能力的师资队伍以及增强课程思政育人协同性的优化路径,以期为相关研究提供一定参考。     

基于K均值聚类算法的雾天识别方法研究

为实现视频监控设备对雾天天气现象的自动识别,提出了基于K均值聚类算法的雾天天气现象自动识别方法。该方法通过分析雾天天气现象对视频图像采集的影响,提取图像饱和度的均值、方差为特征参数,并利用K均值聚类算法对训练图像进行分类,得到不同图像类别的聚类中心,测试阶段计算不同图像与聚类中心的相异度即可完成分类。实验结果表明,该方法简洁高效,易于实现对大规模图像数据的处理,并能实现图像分类后类别的标注,对雾天的识别率高于90%。     

基于电子商务Web的数据挖掘技术研究

随着目前互联网技术的广泛应用,电子商务这种商业模式已经逐渐取代传统的商业模式,电子商务带来的商机对现今社会经济结构的影响也越来越大。电子商务的蓬勃发展和规模壮大,导致WEB服务器中储存了海量的访问信息和各种用户数据。如何从这些海量的数据中挖掘出有价值的信息,就成了现今电子商务网站系统的首要任务。     

基于RBF神经网络的控制系统传感器故障诊断方法

针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型.通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障.仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求.     

数据驱动的高校教育管理信息化水平评估研究

文章以数据为基础,开展了数据驱动的高校教育管理信息化水平评估研究。首先结合高校实际,在政策文件梳理、文献调研等基础上,综合利用文献计量法、专家调查法等构建了一套切实可行的评估指标体系。然后以该指标体系为基础,引入大数据技术,设计了一套评估系统。该系统能够实现数据的采集、分析、综合评估,给出准确可靠的评估结果,同时能够将评估结果进行展示。构建的指标体系和评估系统的应用将能够实现教育管理信息水平的准确评估,为高校的下一步信息化建设提供指导。     

基于组合模型的短时交通流量预测算法

交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。     

基于模糊C均值的图像目标检测技术研究

对经典FCM算法的优缺点及其改进算法进行了综述,在此基础上,构造了基于概率密度和基于模拟退火与粒子群相结合的核函数聚类两种新算法.仿真结果表明：两种算法都具有较好的图像分割效果,尤其方法2运算速度快,且具有一定的全局搜索能力.该综述对于丰富图像分割研究具有一定的参考价值和指导意义.     

基于模糊C均值的图像目标检测技术研究

对经典FCM算法的优缺点及其改进算法进行了综述,在此基础上,构造了基于概率密度和基于模拟退火与粒子群相结合的核函数聚类两种新算法。仿真结果表明:两种算法都具有较好的图像分割效果,尤其方法 2运算速度快,且具有一定的全局搜索能力。该综述对于丰富图像分割研究具有一定的参考价值和指导意义。     

基于云计算的海量高校体育数据建模与分析

为了提高高校体育信息的管理分析能力,针对当前高校体育数据库建立和信息检索的实时性和系统性不好的问题,提出基于云计算的海量高校体育数据建模与分析方法,构建高校海量体育数据的分布式数据库模型。在云计算环境下进行数据库访问模型设计,采用K均值数据聚类方法进行体育数据的可靠性挖掘,实现高校体育数据的优化信息调度和检索分析。仿真结果表明,采用该模型进行高校海量体育数据分析的实时性较好,数据挖掘的精度较高。     

一种新的基于粒子群密度的聚类算法

提出了一种新的粒子群密度聚类算法和对粒子群的初始化方法。该算法具有传统粒子群算法寻找最优解的特点,同时从密度的角度考虑了数据总体的分布,增强了寻找局部最优解的能力,并通过对粒子群的初始化加快了粒子群的收敛速度,得到了更好的聚类效果。对仿真数据和IRIS真实数据的实验结果证明,该算法聚类效果优于传统粒子群聚类算法和K均值算法。     

医学图像三维重建的研究

作为目前计算机视觉领域的一个热点问题,医学图像三维重建在诊断医学、手术规划、模拟仿真等领域都有重要的应用。首先对图像进行预处理,以去除噪声并平滑图像,然后用K均值聚类算法对图像进行分割,最后用移动立方体算法实现图像的三维重建。重建后的三维图像可以帮助医生明确诊断和制定正确的手术方案。