基于数据挖掘的电网作业安全管理系统设计

为了提高电网作业安全管理能力,提出基于数据挖掘的电网作业安全管理系统设计方法.构建电网作业安全管理的信息化参数分析模型,构建电网作业安全管理的约束参数分析模型,以电网作业安全管理过程中的次日计划、历史小时输电数据、用户类型等参数为自变量,分析电网作业安全管理的控制约束参数模型,通过数据挖掘和大数据信息融合的方法,实现对...     

基于支持向量机的数据挖掘研究

分析NPA训练算法,指出其不足并提出改进措施。在第1类子循环的前半阶段采用Gilbert迭代,后半阶段采用NPA迭代,并提出界定这2个阶段的方法,利用中间计算结果优化了第2类子循环中的迭代过程。在不增加计算量的条件下,提高了算法收敛速度。基于该算法开发的自动分类模拟系统获得了较好的分类结果。     

基于支持向量机的手写体数字识别系统设计

数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。     

数据挖掘在石化企业中的应用

产量预测对于生产和销售部门是极其重要的。在石化企业中,由于影响主副产品关系的因素很多,产量很难预测。传统的机器学习方法在这个领域的应用存在着一些局限性。论文介绍了一种数据挖掘中的支持向量机方法,较好地解决了产量预测问题,同时也对生产优化有着一定帮助。文中首先介绍数据挖掘及其相关理论,重点阐述了支持向量机方法,接下来详细地介绍了问题求解过程。     

基于Apriori算法的数据挖掘系统设计

近年来,网络的快速发展和普及,使人们真正进入到了信息时代。同样的,随之而来的就是人们面对这么一大堆信息如何检索的问题。人们面对这么一大堆数据资源,迫切的需要新的数据分析的方法,以便更快更智能的检索出自己需要的信息,将需要的信息转化成有用的知识,为我们的决策提供科学的支持。     

基于支持向量机的通信网络异常流量数据挖掘方法

传统方法对通信网络流量异常数据挖掘的精准度和效率较低,安全性不高。基于此,提出基于支持向量机通信网络异常流量数据挖掘方法并对该方法进行设计。首先,基于支持向量机对通信网络流量进行特征选择,利用支持向量机在通信网络流量异常挖掘中,选取一对一的构造方法进行类别分类。其次,通过统计频率法选择通信网络流量特征子集并列出大体流程图。再次,对通信网络流量异常特征聚类分析,先计算通信网络流量特征数据记录的距离,再建立通信网络流量特征聚类流程。最后,识别和挖掘通信网络流量异常数据,设计出通信网络流量异常判别模型,通过基于二分法的通信网络流量数据特征分析和基于支持向量机的判别后完成了通信网络流量异常的数据挖掘。将设计方法与传统方法和基于多尺度数据挖掘方法进行对比,得出该方法更具有优势。     

基于数据挖掘的城市轨道交通信息安全检测

针对列车运行控制系统的通信网络安全问题,提出了一种基于数据挖掘的信息安全检测方案.以数据流为研究对象,结合轨道交通信息系统中异常数据占比少的特点,提出单分类支持向量机模型,采用超平面法,将正常数据和入侵数据进行分类,实现网络入侵行为的有效检测.仿真结果表明,在不同数据流量情况下,检测模型均能表现出较强的检测能力.     

基于数据挖掘的智能入侵检测系统研究

入侵检测系统是网络安全体系的重要一环。数据挖掘能从大量的、有噪声的、随机的数据中提取出有用的信息,而代理技术可使入侵检测系统具有清晰的系统结构、良好的可扩展性和可移植性。本文对数据挖掘技术和智能检测代理在入侵检测系统中的应用进行研究,提出了一个基于数据挖掘、Agent技术的入侵检测系统框架。     

基于数据挖掘技术与支持向量机的目标识别研究

提出了基于数据挖掘技术及基于支持向量机的两种水中目标识别方法,分别藉助目标噪声特征量提取和模式识别算法以及支持向量及二次规划算法,对比性地研究了不同工况下三类目标的分类识别效果。其方法和结果对水中目标识别有较好的参考价值。     

SVM在数据挖掘中的应用

随着数据库系统使用的普及,数据库的规模也越来越大,如何从海量数据库中挖掘出有用的信息以供企事业单位使用,已经越来越引起人们的兴趣。支持向量机（SVM）是在统计学习理论的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性。该文首先介绍统计学习理论和支持向量机的概念,然后进一步论述了SVM在数据挖掘中的应用。     

基于数据挖掘中文书目自动分类算法

提出一种改进的数据挖掘算法。首先采用ICTCLAS系统进行文本预处理,以词频特征构建词条向量;然后融合词频特征和词频-逆向文件频率特征,构建训练样本集的特征矩阵;接着对该矩阵进行奇异值分解变换,得到语义空间,用于对文本特征向量进行语义空间变换,得到语义向量;最后构建联合支持向量机分类器,实现中文书目所对应的语义向量的自动分类。最后做了大量的仿真实验,实验结果表明,本文方法的分类准确率高于现有方法。     

基于数据挖掘的学籍管理系统设计与实现

随着数据库技术与数据管理系统的不断优化升级,数据仓库技术已经逐渐发展成为信息技术领域的热点.对系统能够在确保数据一致性同时,提供较大程度的数据共享,降低系统维护成本.同时,通过对数据加以分析,找寻出隐藏在数据库中的模式,并对其加以预测性分析,为教学策略的制定与优化发挥辅助决策作用,切实促进学校信息化管理.在此,聚焦于数据挖掘的学籍管理系统,并对其设计以及某些功能的实现作具体的分析.     

一种基于PCA-SVM的医疗卫生数据挖掘分类方法

当前医疗卫生数据呈现量大、种类多、特征混杂等特点,为数据挖掘分类带来一定的挑战。针对医疗卫生数据的这些特点,提出一种基于主成分分析和支持向量机相结合的数据挖掘分类方法,重点研究该方法的算法模型,以及在医疗卫生领域的具体实现,并在MATLAB环境下利用Cardiotocography数据集和Breast Cancer数据集进行了仿真实验。实验结果表明,该方法的分类效果较好,为当前医疗数据挖掘分类提供了一种可行的思路。     

基于数据挖掘的智能用水监控系统

在原有的基于以太网的自动抄表系统基础上增加了基于CDMA的无线自动抄表功能和短时用水量预测功能.该系统具有学习速度快.在小样本情况下具有良好的非线性建模和泛化能力,预测精度高等优点.实践证明此远程智能监管系统运行经济可靠.     

基于数据挖掘的入侵检测系统设计

随着互联网的迅速发展，许多新的技术被引入到信息安全领域。本文介绍了基于数据挖掘的入侵检测系统的设计方案，把数据挖掘技术引入了入侵检测系统中。     

应用于数据挖掘分类算法的SVM研究

本文主要介绍了支持向量机的基本思想,通过目前SVM训练算法的研究成果分析了它在数据挖掘中（尤其是分类算法上）的应用,并阐述了支持向量机在数据挖掘领域中实现的方法。     

数据挖掘在股票价格组合预测中的应用

研究股票价格变化预测问题,股票价格受多种影响,导致具有突变性、非线性和随机性,单一预测方法只能描述股票价格部分变化规律,预测精度低。为提高股票价格预测精度,提出一种基于数据挖掘技术的股票价格组合预测模型。根据股票价格变化特点,首先对其线性变化规律进行建模预测,并对非线性变化规律进行建模预测,最后将两种预测结果进行融合,得到股票价格的最终预测结果。仿真结果表明,相对于单一股票价格预测模型,组合预测模型提高了股票价格预测精度,降低了股票价格预测误差,更加全面、准确反映了股票价格的变化规律,是一种有效、高精度的股票价格预测参考手段。     

数据挖掘技术在房地产预警系统中的应用

分析了各种房地产应用软件,将数据挖掘技术引入房地产预警系统设计中;结合数据仓库和决策支持系统,建立了基于粗糙集数据预处理的支持向量机预警模型,运用3σ警界控制原理确定各状态区间,划分出不同的警度,并提出了房地产市场预警预报系统的完整解决方案;最后,结合银川市的实际情况,构建了银川市房地产预警系统指标体系。     

几种数据挖掘方法的特点及其适用领域

首先介绍了数据挖掘的定义、分类以及发展趋势.接下来简要介绍了关联规则算法、遗传算法、支持向量机、人工神经网络、决策树算法五种数据挖掘算法,并给出了这几种算法的优缺点,同时给出了几种算法各自的适用领域.     

宏观网络安全数据挖掘系统设计*

为了发现宏观网络的正常和异常运行模式,以及对宏观网络的安全态势进行分析,介绍了一种宏观网络安全数据挖掘系统设计的范例。该系统利用收集的各种宏观网络安全数据来进行数据挖掘和态势评估,并通过图形用户界面对结果进行了分析。着重介绍系统设计所采取的技术路线、安全数据获取方式、系统组成模块、实现方法和系统设计评价。