基于风险处理机制的医疗数据挖掘算法研究

针对现有医疗IT技术在诊断及预防措施方面的漏洞,设计了一种基于风险处理机制的医疗数据挖掘算法。在最佳风险处理机制的前提下,引入病情特征码值,通过带有一定权重的风险处理数据算法来定义病情特征码值的权重参数。经医疗数据信息集测试实验表明,此医疗数据挖掘算法能够从海量医疗数据信息中抽取最具说明性的病情特征码值,并给予一定权重参数,得到高效的数据挖掘效率。     

基于数据挖掘的组合近邻模型算法

针对数据挖掘的组合模型问题,研究了组合模型的理论和技术,分析了组合理论在近邻法的应用现状,提出了一种通过随机属性子集组合近邻分类器的算法MNN,利用简单的投票方法,通过一个随机的属性子集来组合多重近邻分类器,对多重NN分类器的输出进行组合,MNN方法能有效地改进近邻法的分类精度。MNN方法与NN-E000相比,有两个主要的优点：(1) MNN是一个更简单的方法;(2) MNN不受多类问题的限制。     

基于数据挖掘算法的医疗网络安全风险评估

以提升医疗网络安全风险评估精度为目标,提出基于数据挖掘算法的医疗网络安全风险评估方法。首先采用病态指数循环分析法确定医疗网络安全风险评估指标,构建医疗网络安全风险评估指标体系,并采用层次分析法设置每个评估指标的权重值,然后采用马尔科夫链和模糊综合法设计医疗网络安全风险评估模型,最后进行医疗网络安全风险评估仿真测试实验。实验结果表明,风险评估结果符合实际情况,风险评估精度极高,评估结果有效可信。     

基于数据挖掘的信息管理风险预警系统研究

信息管理风险预警是当前信息领域的研究热点,由于当前入侵行为的多样性,使得传统风险预警系统难以对风险进行准确评估,无法保证信息的安全,为了提高信息管理风险预警效果,提出了基于数据挖掘的信息管理风险预警系统.首先对当前信息管理风险预警研究进展进行分析,构建了信息管理风险预警系统的总体框架,然后对信息管理风险预警系统的关键技...     

基于改进Apriori算法的入侵检测数据挖掘模型研究

将数据挖掘技术应用到入侵检测系统中,成为入侵检测研究的重要方向。本文对Apriori算法进行改进,以此构建入侵检测数据挖掘模型,运用该模型作入侵检测。实验表明,对以知攻击,采用误用检测和异常检测混合策略,其平均检测准确率达到80%以上,不失为一种效果良好的的入侵检测技术。     

一种基于层次图模型的最优路径算法

论述了一种新的基于层次图的最优路径算法,即将一个平面图划分若干子图,子图抽象为一个高层图。最短路径的计算首先在高层图中进行,缩小了最优路径的查找范围,降低了最优路径计算的时间开销。     

基于SECI模型的网络数据挖掘系统优化设计

针对原有网络数据挖掘系统精准度低的问题,笔者提出基于SECI模型的网络数据挖掘系统优化设计。优化系统硬件中的网络数据采集器、网络数据预处理器等,提高了系统硬件设备的运行效率;在系统软件技术方面,以SECI模型为理论指导,在原有数据挖掘算法的基础上对其进行优化,提高了系统挖掘结果的精准度,以此实现了对网络数据挖掘系统的优化设计。经实验证明,优化后的系统挖掘结果的精准度得到了有效提高。     

基于回归模型的数据挖掘研究

回归分析是数据挖掘系统中的重要方法之一,本文主要研究如何利用回归模型来进行数据挖掘建模,介绍回归模型的3种类型,基于最小二乘法的参数估计和方程的显著性校验,并提出模型的优化方案,包括离群点的检验处理,模型形式的改进和回归自变量的选取。最后根据实例分析其在数据挖掘中的应用。     

基于数据挖掘的政府采购方案评价模型

政府采购方案与多种因素密切相关,针对当前政府采购方案评价正确率低、时间长等不足,为了获得理想的政府采购方案评价结果,设计了基于数据挖掘的政府采购方案评价模型.首先建立政府采购方案评价指标体系,并采用灰色关联分析方法确定政府采购方案评价指标的权重,然后采用数据挖掘技术建立政府采购方案评价模型,最后与其它政府采购方案评价模...     

数据挖掘中的数据预处理模型与算法研究

本文首先介绍了数据预处理的概念,然后将数据预处理无缝集成于数据仓库的构建过程中,提出了一种数据预处理过程模型。对于不同阶段所使用的数据预处理技术和算法,本文也进行了总结分析,并以粗糙集的属性约简为例给出了一种算法的具体实现步骤。     

基于数据挖掘的客户细分框架模型

数据挖掘技术在客户关系管理领域的应用较广泛,能提高客户细分能力。针对目前客户细分研究缺乏统一研究框架的问题,分析现有的客户关系管理系统构架及其与客户细分的集成关系,对客户细分问题进行构架性研究,提出一种基于数据挖掘的客广细分框架模型,包括空间逻辑模型和数据-功能-方法模型。     

一种基于数据挖掘技术的入侵检测模型

针对传统入侵检测规则手工定制的弊端和可扩展性差、适应性差等缺点,设计一种基于数据挖掘技术的可行入侵检测系统模型。模型中引入数据挖掘技术使其能得到计算机系统入侵行为和正常行为,并利用异常检测和误用检测的各自优势,引入混合入侵检测引擎模块。经分析,该检测模型比传统的检测模型有着明显的优势。     

基于数据立方体的联机分析挖掘模型研究

本文提出一种联机分析挖掘模型,该模型基于数据仓库和其他各种类型文件生成的工作仓库,同时综合了联机分析处理多维分析的在线性、灵活性和数据挖掘处理的智能化特点,提高了传统模型的灵活性和智能化程度。     

基于改进分辨矩阵的增量式数据挖掘模型研究

粗糙集理论是近年来出现的处理模糊和不确定性的数学工具,并已广泛应用于人工智能的许多领域。文章针对在增量式数据环境下挖掘决策规则的特点,在回顾基于分辨矩阵的数据挖掘算法及其不足的基础上,利用决策矩阵的概念有效地处理具有不同决策类的各种决策系统。在此基础上提出相应的对每一个决策类建立决策矩阵的增量式挖掘算法,最后利用算例验证了算法的合理性和有效性。该算法步骤同传统的分辨矩阵算法相比,能在增量式环境下快速而有效地进行确定性规则和可能性规则的学习并对可能性规则建立相应的置信度,使规则的获取更具实用性。     

基于层次模型的智能数据挖掘框架及其模型

在层次模型的基础上,提出了一个智能数据挖掘的开发框架,包括问题识别层、任务层、应用层和用户层等多层概念。在这个框架中,建立了一个智能数据挖掘模型,它由4个层次和11部分组成,其中中央处理单元、辅助选择、数据库交互平台和功能组合平台共同构成一个中间智能件。     

基于改进的关联规则挖掘算法的研究

A priori算法是经典的关联规则挖掘算法,它利用逐层搜索的迭代方法完成频繁模式的挖掘工作,反复进行连接剪枝操作,思路简单易操作,但也伴随着产生庞大候选集,多次扫描数据库产生巨大I/O开销的问题,提出一种改进算法:基于矩阵的关联规则挖掘算法,同A priori算法比较,该算法只需扫描一遍数据库,就可直接查找k-频繁项集,尤其是当频繁项集较高的时候,该算法具有更高的执行效率,在大数据量的情况下更具有可行性。     

基于协同过滤挖掘算法的web数据挖掘

随着电子商务的发展状大,缺乏个性化服务成为制约电子商务发展的关键问题。基于web数据挖掘的电子商务挖掘系统可以满足电子商务未来发展趋势的需要。该文以一组数据为实例阐述了基于web数据挖掘的协同过滤挖掘算法是如何进行数据表示、近邻查询以及挖掘产生这三个阶段的有效实施的。     

基于矩阵的数据流Top-k频繁项集挖掘算法

传统的数据挖掘算法在挖掘频繁项集时会产生大量的冗余项集,影响挖掘效率。为此,提出一种基于矩阵的数据流Top-k频繁项集挖掘算法。引入2个0-1矩阵,即事务矩阵和二项集矩阵。采用事务矩阵表示滑动窗口模型中的事务列表,通过计算每行的支持度得到二项集矩阵。利用二项集矩阵得到候选项集,将事务矩阵中对应的行做逻辑与运算,计算出候选项集的支持度,从而得到Top-k频繁项集。把挖掘的结果存入数据字典中,当用户查询时,能够按支持度降序输出Top-k频繁项集。实验结果表明,该算法在挖掘过程中能避免冗余项集的产生,在保证正确率的前提下具有较高的时间效率。     

用云解释空间数据挖掘的有关问题

空间数据挖掘正在兴起,该文分析了空间数据挖掘中从数据到知识、粒度和尺度等有关问题,构筑了空间数据挖掘金字塔,并利用云模型予以解释和表达。     

Web数据挖掘与挖掘算法探讨

本文介绍了Web数据挖掘的概念及其分类,并对Web数据挖掘技术的研究进行概述。利用Apriori算法发现频繁集,找到页面间的关联规则。针对网页超链接结构的特点：一条超链接只能建立在两个网页上,发现频繁集只要找出所有2-项集即可,从而提出网页超链接挖掘的NApriori算法。NApriori算法显著提高了Apriori算法的效率。