P2P网络中的激励机制分析

将P2P网络中的激励模型引入到流媒体点播系统的设计中,促使节点提高对系统的贡献,从而在节点之间建立一种公平的互相交易的环境。本文对P2P网络中基于微支付的模型、基于互惠的模型、基于信誉的模型进行阐述。在响应优先级、带宽占用率以及服务质量等方面,通过区分服务策略引起基于P2P的IPTV环境下终端节点间的竞争,从而提高IPTV效率。     

BitTorrent网络中的P2P蠕虫传播仿真分析

对等网络蠕虫(简称P2P蠕虫)是目前P2P网络面临的重大安全威胁之一。由于具有极强的隐蔽性和破坏性,P2P蠕虫能够控制访问感染节点的路由表,获取该节点的邻居信息,构建攻击列表,以实现精确的目标攻击。该文通过仿真的方法,分析了P2P蠕虫在BitTorrent网络中的传播特性,验证了相关参数对P2P蠕虫传播的影响。实验结果表明,P2P蠕虫的传播与BT网络的状态、蠕虫的攻击能力、初始感染蠕虫节点比例以及单位时间内免疫节点比例有着非常紧密的联系。     

粗糙集-决策树在数据挖掘中的应用

目的将数据挖掘技术应用在胶合板缺陷检测数据中，提取出有效的、正确的规则信息．方法通过分析比较粗糙集软计算方法和决策树方法的特点，利用两种方法具有的优势互补性，将其进行有机集合，构造数据挖掘模型．结果从胶合板缺陷检测数据中挖掘出对用户有价值的决策规则，并将其用“IF—THEN”语句表达出来．以便指导以后的决策过程．结论基于粗糙集和决策树结合的数据挖掘方法提高了获取规则的快速性，降低了计算的复杂度，增强规则的可解释性，取得了良好的研究结果．     

基于Logistic模型的P2P资源流行程度分析

为了解决目标资源数量增多而带来的监管成本过高的问题,提出一种基于Logistic模型的资源流行程度分析方法.利用该方法估计目标资源的流行程度,剔除流行程度低的资源,以此缩小监控范围,减少节点的部署数量.在Kad中对不同资源进行追踪,统计资源的共享节点数量,估计Logistic模型的参数,并进行曲线拟合.通过决策树建模得出,资源的共享节点数量和资源大小是影响该方法准确性的关键因素.     

决策树在汽车ERP系统中的应用探索

为缓解传统ERP系统把企业需求预测作为外部输入的局限性，通过分析汽车行业应用ERP系统存在的主要问题及原因，提出运用数据挖掘技术直接从汽车行业ERP系统中获取预测信息的方法，即对ID3决策树生成算法改良后运用于汽车ERP系统进行数据挖掘。并对该方法实现的有利因素和技术难点作了分析，通过数据挖掘模型实验检测了种挖掘的有效性。     

TFRC协议在P2P流媒体分发中的应用

分析了TCP和UDP协议在流媒体数据传输中存在的问题,研究了基于速率的TCP友好拥塞控制协议.针对P2P网络的特殊场景,通过应用改进的TFRC协议达到与TCP流公平竞争网络资源,并通过数据调度取得节点间一定程度的负载均衡.仿真结果表明TFRC协议有助于平稳系统的网络流量.     

决策树技术在水库兴利调度中的应用研究

利用数据挖掘中的决策树技术,对多年水库实际水文数据和调度数据进行分析和挖掘,从中得到基于多年实际径流资料和水库水位资料的调度决策树模型.模型特点:1)在海量历史水库调度数据中挖掘调度规则,从实践中得到的经验规则往往更具有实用性.2)将入流类别作为判断条件在调度规则中使用,将预报入流类别结合时间、水位生成调度规则更具有合理性.通过实例分析,比较调度决策树模型与常规水库调度图模型的结构特点和调度结果,尝试得到合理的水库兴利调度规则.     

决策树在汽车ERP系统中的应用探索

为缓解传统ERP系统把企业需求预测作为外部输入的局限性,通过分析汽车行业应用ERP系统存在的主要问题及原因,提出运用数据挖掘技术直接从汽车行业ERP系统中获取预测信息的方法,即对ID3决策树生成算法改良后运用于汽车ERP系统进行数据挖掘。并对该方法实现的有利因素和技术难点作了分析,通过数据挖掘模型实验检测了种挖掘的有效性。     

决策树在高校就业管理系统中的应用研究

根据就业数据的特点,采用C4.5决策树算法对就业数据进行预处理,选取决策属性,实现挖掘算法并抽取规则知识,由规则知识指出哪些决策属性决定了就业单位的类别.挖掘结果表明,该算法能够正确将就业数据分类,并得到若干有价值的结论,供决策分析.     

基于决策树算法的数据挖掘在学生信息系统中的应用

数据挖掘的方法很多,决策树方法是数据挖掘方法之一。决策树方法不需要对数据进行任何假设,直接将大量数据智能地分类,按照一定的规则找出隐藏的、有价值的信息。文章选取决策树方法中具有代表性的C4.5算法,以高校学生信息管理系统中毕业就业海量信息为实例生成决策树,挖掘出有利于毕业生就业的潜在规则和因素,以便指导高校的教育和管理。     

面向属性归纳和判定树的结合及其在软构件查询中的应用

构件的复用是软件复用的主要形式,大批的构件必须用一个数据库进行管理,如何从构件库中查询满足条件的构件是构件库系统的研究重点之一.数据挖掘技术为解决上述问题提供了一条可行的途径.利用数据挖掘技术中的面向属性归纳(attribute-oriented induction,AOI)对数据挖掘集进行处理得到初始工作关系,再利用判定树(decision tree)对初始工作关系进行数据概化,从而将两种方法结合起来在构件库中快速、有效地查找到有用的构件信息.通过对数据挖掘技术的应用,为复用者理解和选取构件提供了一定程度的辅助判定支持.     

基于决策树的英语四级成绩分析

阐述了数据挖掘流程的基本概念,介绍了决策树算法的原理,根据决策树算法分析了影响高校英语四级成绩的诸多因素,对这些因素按照数据挖掘思想生成了规则集,为提高教学质量奠定了基础.     

基于数据挖掘的决策树算法分析

决策树是数据挖掘技术中的重要方法,主要用于分类和预测.本文介绍了决策树算法中应用最广泛的ID3算法和C4.5算法,阐述了两种算法的主要思想,说明了构造决策树的基本步骤,对两种算法进行了分析和比较.     

数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.     

利用决策树和聚类理论对XML文档数据挖掘的研究

Extcnsible Markup Language即"可扩展的标置语言"(简记为XML)的出现,为基于Web的数据挖掘带来了便利,开发人员能够用XML的格式标记交换数据.充分利用XML的优点,提供一种利用决策树ID3修正算法和聚类的方法,对XML文档信息进行挖掘,并结合实例说明这种方法.     

基于决策树数据挖掘的分析与应用

决策树技术是一种对海量数据集进行分类的非常有效方法。通过构造决策树模型,提取有价值的分类规则,帮助决策者做出准确的预测已经应用在很多领域。基于这种技术构造的蘑菇可食用性决策树模型,提供了通过蘑菇属性判别蘑菇可食用性的科学依据。决策树算法采用C4.5算法,它把信息增益率作为属性选择的度量标准。从实验结果来看,决策树模型虽然显示了一个很不平衡的结构,但得出了很容易理解的决策规则。     

基于决策树方法的信用卡信誉检测

介绍了决策树分类方法,建立了基于决策树方法的信用卡信誉检测模型,并用该模型进行了信用卡信誉检测实验.结果表明,基于决策树的信誉检测方法可为银行信用卡风险管理提供有效信息,规避可能出现的坏账风险.