现代电子商务安全技术研究

本文分析了电子商务的安全现状以及危及电子商务安全的主要因素,以电子商务安全基本要求为出发点,通过深入研究现代电子商务安全典型技术:包括访问控制技术、数字认证技术、虚拟专用网技术、加密技术、CA技术等技术,设计了现代电子商务安全物理模型。     

浅析电子商务系统的网络技术

电子商务与飞速发展的信息技术有着密切的联系,计算机及网络技术为电子商务提供了网络层的技术支持;Internet的WWW为电子商务提供了消息/信息发布层的技术手段;而信息安全技术和电子支付技术更是为电子商务的应用层提供了方便、可靠的安全保证。信息技术已成为电子商务的支柱之一。该文从电子商务应用的角度出发,讨论电子商务中所涉及的若干技术基础。     

电子商务与计算机安全技术相关性研究

电子商务的繁荣不仅给人民群众带来了方便,同时也吸引了犯罪分子的注意.电子商务交易的安全离不开计算机安全技术的保障.对电子商务和计算机安全技术的概念进行了介绍,指出了目前电子商务中存在的一些安全问题,并且介绍了目前电子商务中常用的计算机安全技术.     

电子商务技术网络教学改革系统研究

基于目前高等学校电子商务技术传统教学所存在的问题,在理论教学的基础上,如何培养符合现代电子商务技术需求的高素质电子商务技术人才,结合高等学校现代教学改革模式,创新地提出了一套电子商务技术网络教学模式与教学策略,可供高等学校在电子商务技术教学中予以借鉴使用。     

电子商务技术发展综述

本文首先阐述了电子商务的定义,并且重点介绍电子商务技术发展的三大阶段:传统电子商务,电子数据交换和Web电子商务三大阶段,并向智能电子商务技术发展的趋势。     

探讨CA认证技术在烟草行业电子商务中的应用

随着烟草行业电子商务的蓬勃发展和CA认证技术的逐步完善,CA认证技术在电子商务的中应用趋势日益明显。首先说明了烟草电子商务的发展背景及其存在的安全隐患,列出了几种适用保证烟草行业电子商务安全性的CA认证技术应用方式,并从烟草行业电子商务的应用实际出发,提出了在烟草网上订贷系统实现OA认证技术的设计方案,探讨了在烟草行业电子商务中应用CA认证技术的可行性。     

Web数据挖掘技术在电子商务中的应用

电子商务是一种新兴商务模式,Web数据挖掘技术在电子商务中的应用是目前一种新的重要研究领域。本文介绍了电子商务和Web数据挖掘技术的概念及其类型,分析了电子商务中如何进行Web数据挖掘的方法,阐述了Web数据挖掘技术在电子商务中的应用。     

电子商务平台的构建及应用

随着计算机技术和网络技术的发展,电子商务应运而生。电子商务是互联网应用的主要领域之一,也是现代市场经济中越来越重要的经营模式。本文介绍了电子商务的基本知识, 阐述了电子商务的先进理念和模式,并对电子商务中应用Agent技术和安全技术进行了分析。     

浅谈3G技术在电子商务应用中的问题与对策

3G技术可以为电子商务提供多种多样的信息服务,运用3G技术开展电子商务,将是未来电子商务发展的重要方向.本文在对3G技术讨论的基础上,针对当前3G技术在电子商务应用中存在的问题,对3G技术运用到电子商务中的相关对策进行了一定研究.     

论信息安全技术在电子商务中的应用

随着近几年电子商务的迅猛发展,但是由于电子商务交易的特殊性,要采用先进的信息技术手段保证电子商务的信息安全,因此电子商务的信息安全问题成了人们研究关注的重点。本文首先对计算机安全技术和电子商务平台进行了分析,并以电子商务中常见的安全问题为基础,分析了相应的安全技术在电子商务中的应用。     

数据挖掘在生物信息学中的应用

生物信息学是一门新兴的交叉学科。人类基因组计划的启动和实施使得核酸?蛋白质数据迅速增长，如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题。数据挖掘与生物信息学有很好的结合点，在生物信息学领域的应用潜力日益受到人们的重视。文中介绍了数据挖掘的概念、生物数据的挖掘步骤，初步探讨了数据挖掘在生物信息领域的应用潜力及生物信息学挖掘工具的开发和应用。研究证明数据挖掘技术是生物信息处理的强有力工具。数据挖掘在生物信息学中的应用将取得更大的进展。     

Applications of association rule mining in health informatics: a survey

Association rule mining is an effective data mining technique which has been used widely in health informatics research right from its introduction. Since health informatics has received a lot of attention from researchers in last decade, and it has developed various sub-domains, so it is interesting as well as essential to review state of the art health informatics research. As knowledge discovery researchers and practitioners have applied an array of data mining techniques for knowledge extraction from health data, so the application of association rule mining techniques to health informatics domain has been focused and studied in detail in this survey. Through critical analysis of applications of association rule mining literature for health informatics from 2005 to 2014, it has been explored that, instead of the more efficient alternative approaches, the Apriori algorithm is still a widely used frequent itemset generation technique for application of association rule mining for health informatics. Moreover, other limitations related to applications of association rule mining for health informatics have also been identified and recommendations have been made to mitigate those limitations. Furthermore, the algorithms and tools utilized for application of association rule mining have also been identified, conclusions have been drawn from the literature surveyed, and future research directions have been presented.     

Frequent pattern mining: current status and future directions

Frequent pattern mining has been a focused theme in data mining research for over a decade. Abundant literature has been dedicated to this research and tremendous progress has been made, ranging from efficient and scalable algorithms for frequent itemset mining in transaction databases to numerous research frontiers, such as sequential pattern mining, structured pattern mining, correlation mining, associative classification, and frequent pattern-based clustering, as well as their broad applications. In this article, we provide a brief overview of the current status of frequent pattern mining and discuss a few promising research directions. We believe that frequent pattern mining research has substantially broadened the scope of data analysis and will have deep impact on data mining methodologies and applications in the long run. However, there are still some challenging research issues that need to be solved before frequent pattern mining can claim a cornerstone approach in data mining applications. The work was supported in part by the U.S. National Science Foundation NSF IIS-05-13678/06-42771 and NSF BDI-05-15813. Any opinions, findings, and conclusions or recommendations expressed here are those of the authors and do not necessarily reflect the views of the funding agencies.     

Web数据挖掘在网络教育中的应用

随着互联网的发展,网络教育也有了长足的进展。Web数据挖掘以其独特的优点,在网络教育中有很多的用途。介绍了Web数据挖掘的概念的分类、网络教育中的数据资源以及网络教育中的Web数据挖掘的主要过程,并着重介绍了Web数据挖掘在网络教育中的具体应用。     

基于网格的运动训练数据挖掘研究

数据挖掘技术被应用在运动训练中,而基于网格的运动训练数据挖掘是新的研究方向。主要阐述数据挖掘和网格等概念,并通过优秀运动员的经验传承、运动训练的数据精确挖掘两个方面来阐述基于网格的运动训练数据挖掘的研究。     

多源遥感数据挖掘系统技术框架

陆地资源卫星源源不断地把遥感数据传输至地面，卫星地面接收站积累了海量的卫星遥感数据。遗憾的是，由于缺乏针对遥感数据的有效的数据挖掘和知识发现技术，致使遥感数据中的绝大部分信息没有得到充分的利用。对传统的数据挖掘和知识发现技术进行技术革新和改造，研究针对多源遥感图像的数据挖掘和知识发现技术，不仅可以提高遥感解译的自动化和智能化水平，而且可最大限度地开发和利用遥感信息。为了能允分利用遥感数据，在传统数据挖掘和知识发现技术的基础上，首先探讨了遥感数据挖掘和知识发现的技术流程，然后设计了多源遥感图像数据挖掘系统框架，最后提出了多源遥感图像数据挖掘系统的原型，从而为进一步开发和研制多源遥感数据挖掘系统奠定了技术基础。     

生物信息数据挖掘技术的典型应用

生物信息学是以计算机为工具对生物信息进行存储、检索和分析的科学。人类基因组计划的启动和实施使得核酸、蛋白质数据迅速增长,如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题。数据挖掘与生物信息学有很好的结合点,其在生物信息学领域的应用潜力日益受到人们的重视。简述了生物信息学和数据挖掘,并介绍了数据挖掘技术在生物信息学中的几类典型应用。     

基于网格的数据挖掘算法

为了克服传统数据挖掘算法与分布式数据挖掘算法的不足．提出了一种基于网格平台的数据挖掘算法,并改进了原有的Apriori算法,使其应用于网格平台。基于网格的数据挖掘算法具有合并计算力,安全,高效,节约硬件成本等优势已越来越受到学术界的重视。     

Positive and negative association rule mining on XML data streams in database as a service concept

In recent years, data mining has become one of the most popular techniques for data owners to determine their strategies. Association rule mining is a data mining approach that is used widely in traditional databases and usually to find the positive association rules. However, there are some other challenging rule mining topics like data stream mining and negative association rule mining. Besides, organizations want to concentrate on their own business and outsource the rest of their work. This approach is named “database as a service concept” and provides lots of benefits to data owner, but, at the same time, brings out some security problems. In this paper, a rule mining system has been proposed that provides efficient and secure solution to positive and negative association rule computation on XML data streams in database as a service concept. The system is implemented and several experiments have been done with different synthetic data sets to show the performance and efficiency of the proposed system.