一种多层次分布式数据挖掘方法的改进研究

针对多层次分布式数据存在高维特征和类间不平衡因素的问题,提出一种基于随机决策树检索模型的数据挖掘技术。采用随机相位重组方法进行分布式数据的层次空间重构,在重构的层次空间中提取多层次分布式数据的关联维特征量,采用高阶特征压缩方法进行降维处理,实现分布式数据的自适应挖掘。仿真结果表明,采用该方法进行数据挖掘的准确性能较好、查准率较高、计算开销降低、性能优越。     

基于多层次技术的XML数据挖掘研究

随着互联网的广泛使用,Web的数据挖掘技术成为现阶段数据挖掘技术研究的重点,但由于其数据挖掘控制的复杂,对人们的数据挖掘和使用带来了困难。而XML数据挖掘的出现弥补了Web数据挖掘的缺陷,为其带来了方便。     

基于频繁集的多层次交互式关联规则挖掘

文章研究了一种知识发现与数据挖掘中关联规则的发现方法,针对现有大型超市销售事务数据库,提出了一种新的多层次信息获得取方法。运用关联规则挖掘所产生的频繁集对数据压缩表示,并给出了按用户的实际需求交互式挖掘感兴趣关联规则的算法。该算法在挖掘速度和效率上有较大提高。     

基于数据挖掘的运动负荷量监测方法

利用当前方法对运动负荷量进行监测时,未对运动员的心率信号降维处理,存在Kappa系数低、信号信噪比低和监测性能差的问题,为此,提出基于数据挖掘的运动负荷量监测方法。构建半监督式运动负荷邻域图,提取运动员的心率信号,完成数据挖掘;在半监督正则化方法的基础上,降维处理运动员的心率信号,保证数据计算的准确性;去噪低维信号,预处理提取的特征;通过支持向量机分类心率信号特征,实现运动负荷量监测。实验结果表明,所提方法的Kappa系数高、信号信噪比高、监测性能好。     

基于XML可重构的数据挖掘系统研究

为了提高数据挖掘的速度和精度，提出了可重构的数据挖掘系统框架设计方案。利用XML技术特性。通过配置把数据挖掘需要的各种信息存入到知识库。挖掘时利用这些XML脚本实现了业务逻辑可配置，系统功能可重组特性。系统既具有专用性，又具有通用性，避免了系统的重复设计。     

基于时间序列的数据挖掘在商务智能中的应用

在介绍了数据挖掘和商务智能的基础上,阐明了数据挖掘在商务智能中的重要作用。对当前流行的数据挖掘方法作了介绍。研究基于时间序列的数据挖掘技术说明在以信息为基础的当今商业活动中,商务智能在企业决策中的重大意义。     

基于渗透测试的多层次网络安全入侵检测策略分析

阐述多层次网络安全防护的结构特点,分析多层次网络渗透测试过程,探讨安全入侵检测策略,包括提高网络信号截获准确性、优化多层次网络信号特征提纯、完善多层次网络安全入侵检测。     

基于时序数据挖掘的航班延误预测分析

航班延误一直作为国际国内民航业的一个热点问题。通过对航班延误的相关概念进行简要介绍,建立时间序列预测模型,将数据挖掘中隐马尔可夫模型和指数平滑预测方法应用于航班延误预测分析中。通过与所采集时间点的实际航班延误数对比分析来评估预测模型,得到较为理想的预测结果。该分析为航空公司运行指挥中心提供决策支持和理论依据,对保障航班正常运行有着重要的实际意义。     

基于数据挖掘的混合云作业调度算法

针对当前云作业调度算法效率低的不足,为了获得理想的云作业调度结果,以便给用户提供更好的服务质量,提出基于数据挖掘的混合云作业调度算法。对混合云作业调度的原理进行分析,指出当前云作业调度算法性能差的原因,建立云作业调度的目标函数,并采用数据挖掘技术找到最理想的混合云作业调度方案。在Cloud Sim环境下,通过具体混合云作业调度实验对算法的性能进行验证。结果表明,该算法不仅大幅度提高了混合云作业调度的成功率,而且加快了混合云作业完成的时间,具有较好的实际应用价值。     

基于HADOOP的数据挖掘

本文对于应用HADOOP技术的数据挖掘系统进行综合的研究与分析,通过数据挖掘系统在高校内部的应用,帮助高校分析学生的能源消耗情况。以期通过数据挖掘系统的应用来综合分析学生的能源消耗情况,同时还有对数据挖掘系统在高校未来的应用展望,使之数据挖掘系统在高校内部的应用更加完善,趋向于现代化、科学化的管理。     

基于稀疏轨迹数据的出租车载客区域推荐

基于短期出租车轨迹数据的载客区域推荐能极大减少系统开销,提高推荐效率,但常伴随着数据稀疏性的问题.针对该问题,本文提出了一种融合地理信息的隐语义模型-GeoLFM.该模型通过将出租车司机所处的客观地理环境信息,融合到司机-载客区域矩阵分解的过程中,从而弥补数据稀疏性带来的不足.同时,根据出租车实时的空间位置信息,为身处不同地点的出租车推荐不同的载客区域.实验证明,本文提出的方法与常用方法相比,推荐结果与真实的出租车司机载客情况间的平均绝对误差和均方根误差都得到大幅降低,较好的提升了推荐效果.     

基于大数据技术的IT运维数据管理系统构建方法

随着各种信息系统的建设和应用的不断深入,信息系统所产生的监控数据成级数增长,海量运维数据的有效存储与实时分析处理成为企业所面临的新挑战。为此,文中提出了基于大数据技术的IT运维数据管理系统解决方案,该方案从逻辑上将数据管理系统分为数据集成、数据存储、数据计算、数据访问4层,层与层之间既独立又协作,充分发挥大数据技术在数据存储、并行计算、大规模数据分析挖掘等方面的优势,为信息中心海量数据的储存提供了高效的处理能力和统一的数据管理模式,并全面支撑数据分析的应用,促进智能运维的建设。     

基于云计算的大数据挖掘平台

开发了一个基于云计算的并行分布式大数据挖掘平台——PDMiner.PDMiner实现了各种并行数据挖掘算法,如数据预处理、关联规则分析以及分类、聚类等算法.实验结果表明,并行分布式数据挖掘平台PDMiner中实现的并行算法,能够处理大规模数据集,达到太字节级;具有很好的加速比性能;实现的并行算法可以在商用机器构建的并行平台上稳定运行,整合了已有的计算资源,提高了计算资源的利用效率;可以有效地应用到实际海量数据挖掘中.在PDMiner中还开发了工作流子系统,提供友好统一的接口界面方便用户定义数据挖掘任务.     

基于GIS的气象时空数据挖掘和融合技术

论述了地理信息系统、数据挖掘、时空数据挖掘的概念和技术方法。在此基础上,针对气象数据具有来源复杂、种类繁多、格式多样、表现形式各异、数据量大和增长速度快等特点,提出了基于地理信息系统进行时空数据挖掘和数据融合的设想,并根据各自优势将三者进行集成并设计了其在气象服务方面的应用框架,提高了气象数据的使用率和气象服务的准确率。     

基于SQL Server构建数据挖掘应用

为了缩短中小企业数据挖掘应用系统的开发周期,基于Microsoft SQL Server的分析服务（Analysis Service）组件,提出一个可用于中小企业进行快速数据挖掘应用系统开发的应用开发模式。采用决策树算法进行一个实例开发,说明了如何应用该开发模式从数据库中发现有用的知识。该开发模式可以大大降低数据挖掘系统的开发周期。     

基于数据挖掘的OLAP分析技术及应用

数据仓库和数据挖掘技术是目前信息技术研究的热点问题之一,介绍了数据挖掘(data mining)、数据仓库(datawarehouse)及联机分析处理(OLAP)技术。并以零售业决策支持系统为例,介绍了该系统的体系结构、数据仓库的设计、系统实现关键技术及各子系统功能,着重论述了如何利用OLAP技术实现企业决策支持系统。     

Web数据挖掘研究

Web数据挖掘是数据挖掘技术与Web的结合。介绍了Web数据挖掘的概念、Web数据挖掘的流程、Web数据挖掘的分类以及3类Web数据挖掘的应用问题。     

数据仓库的教学质量评估支持系统初探

建立基于数据仓库、数据挖掘的教学质量评估支持系统有助于提高高校教学管理质量,使高校教学管理工作适应新的形势。     

一种基于多Agent的Web数据挖掘方法

基于多Agent的数据挖掘技术,不仅能够针对不同的Web数据综合采用不同的挖掘算法,而且可以在各站点进行并行挖掘,避免Web通信量过载。在简述Agent技术和Web数据挖掘技术的基础上,结合多Agent和Web数据挖掘,设计出一种新型数据挖掘模型,且进一步阐述了该模型,并做了一些分析测试。结果证明,该方法能有效提高Web数据挖掘的速度、准确率和覆盖率,提高了数据利用率。     

基于数据挖掘的PCB质量诊断

在当今竞争激烈的市场环境下基于顾客关系管理的企业经营理念,越来越受到企业的重视。一种基于数据挖掘的PCB质量诊断方法应运而生,该方法能够建立顾客信息的搜集以及快速反应机制,针对顾客所反映的质量问题,做出正确、快速的回复与处理。