网络环境下自适应学习系统研究

针对网络环境下自适应学习系统发展中遇到的新问题,如学习者个性特征的挖掘及自适应学习策略的生成等,提出了一种新的自适应学习系统,即在建立个性化学习者模型的基础上,进一步研究相应的数据挖掘算法在自适应学习中的应用,得到学习者的个性特征与学习行为之间的关联规则,并最终生成自适应的学习策略提供给学习者;仿真研究表明,本系统设计先进,较好地实现了学习过程的自适应性。     

入侵检测中数据挖掘技术的应用

本文阐述了入侵检测,分析了入侵检测引入数据挖掘的优势,详细介绍了入侵检测中的数据挖掘研究方法,之后提出了一种自适应的入侵检测系统,该系统采用数据挖掘中关联／序列规则和分类算法,能使入侵检测更加自动化,提高检测效率和准确度,最后对入侵检测中数据挖掘技术进行了展望。     

数据挖掘技术在入侵检测系统中的应用

入侵检测系统是近年来出现的网络安全技术。该文首先介绍了入侵检测系统的相关技术和评测指标,然后着重介绍了将数据挖掘技术应用于入侵检测系统,在此基础上设计了一个入侵检测系统结构框图,并提出了一种基于数据挖掘技术的入侵检测系统自适应产生模型,从而说明将数据挖掘技术应用于入侵检测是有效的。     

基于强化学习的自适应多Agent系统的构造

自适应系统所处的环境往往是不确定的,其变化事先难以预测,如何支持这种环境下复杂自适应系统的开发已经成为软件工程领域面临的一项重要挑战.强化学习是机器学习领域中的一个重要分支,强化学习系统能够通过不断试错的方式,学习环境状态到可执行动作的最优对应策略.本文针对自适应系统环境不确定的问题,将Agent技术与强化学习技术相结...     

数据挖掘在入侵检测系统中的应用研究

指出了目前入侵检测系统中存在的问题,并由此提出一个基于数据挖掘技术的自适应入侵检测系统模型。文中详细阐述了其体系结构及主要功能,并通过具体的例子说明将数据挖掘技术应用于入侵检测是有效的。     

基于数据挖掘的自适应入侵检测框架设计

数据挖掘、人工神经网络和机器学习等技术在入侵检测中的广泛应用,大幅度地提高了检测引擎的精度,但误用检测中的漏报率和异常检测中的误报率仍然是入侵检测中的难题。论文结合误用检测和异常检测的特点,利用机器学习思想,设计实现了一种新型的具有自适应能力的复合式入侵检测系统。     

基于数据挖掘和模糊理论的入侵检测模型研究

针对大多数系统自适应能力差的缺点，本文提出了一种新型的自适应入侵检测模型。在该模型中采用了数据挖掘技术和模糊综合评判技术，同时采用误用检测技术和异常检测技术相结合的思想，使该模型能够自适应的维护检测规则，研究结果表明该检测模型能够自动的识别不断出现的新攻击行为，大大减轻了人工工作量，提高了检测效率。     

基于数据挖掘的自适应网络入侵检测系统研究

文章提出采用数据挖掘技术,将误用检测和异常检测相结合,构建一个自适应网络入侵检测系统。通过对其关键技术进行研究,阐述实验设计思想。实验证明,该系统能及时更新规则,提高各种入侵检测率,具有一定的自适应能力。     

基于用户偏好的垂直网站自适应结构研究

Web用户数据挖掘技术的应用,为Web信息结构的自适应调整奠定了基础。文章针对垂直网站系统,提出了一种根据Web用户偏好,自适应地调整网站信息结构的结构模式。该研究对优化网站信息结构、提供个性化信息服务具有重要的意义。     

基于变参数动态贝叶斯网的态势评估

针对态势估计系统建立过程中不确定性的知识表示问题,探讨了采用变参数动态贝叶斯网络进行态势评估的方法的必要性和可行性,构建了一种自适应变参数动态贝叶斯网的态势评估系统,提出了基于变参数动态贝叶斯网络的态势评估优化算法,利用数据挖掘技术实现了态势评估变参数的学习;实验结果表明该方法可以通过实时数据动态地修改、完善评估知识库及模型库的信息,使评估模型自适应战场形势的变化,以获得更准确评估结果.     

基于数据融合的自适应神经网络模糊控制系统设计

基于数据融合的思想,提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数,简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明,自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况,为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.     

数据挖掘技术在入侵检测中的应用

数据挖掘技术已在误用检测和异常检测中得到应用。论文介绍了数据挖掘在入侵检测系统研究中的一些关键的技术问题,包括规则挖掘算法、属性集的选择和精简、模糊数据挖掘等。最后深入讨论了入侵检测系统的自适应问题,并提出了相应的解决方法。     

基于自适应直觉模糊推理的数据挖掘方法

针对数据挖掘问题,将直觉模糊集与神经网络理论相结合,提出一种新的方法。用自适应直觉模糊推理的方法来解决数据挖掘问题,该方法可以根据直觉模糊神经网络本身的自适应学习能力来调节网络参数,自动生成规则库。最后通过一个仿真实例证明了该方法的有效性。     

基于数据挖掘的入侵检测技术

传统的入侵检测系统在网络上存在自适应差、缺乏扩展性、数据过载等问题,而基于数据挖掘的入侵检测技术通过数据挖掘的方法,自动地从训练数据中提取出入侵检测的知识和模式,很好地解决了传统入侵检测系统中存在的问题.本文提出了一种基于数据挖掘的入侵检测系统模型,分析了几种入侵检测技术的数据挖掘方法.     

自适应系统开发方法的研究

文章在介绍自适应系统体系的基础上，论述了自适应系统的开发方法，描述了产生自适应系统的软件支持技术。     

基于数据挖掘的多Agent智能 入侵检测系统研究

本文在传统IDS的基础上,充分利用了数据挖掘技术中的知识发现、模型生成和Agent技术的智能性、主动性、移动性,提出了基于数据挖掘的多Agent智能入侵检测系统DAIIDS。     

“互联网+”背景下自适应学习系统的研究

分析"互联网+"背景下的自适应学习及自适应学习系统的特点,介绍自适应学习系统的开发过程,以移动应用开发课程为例,说明自适应系统的结构特点,并以几个章节知识点为示例介绍自适应学习系统的工作方式及学习者的学习方式。     

基于网络的自适应学习系统研究

如今的时代是信息科技化时代,在此时代背景下,网络教育应运而生。随着网络教育在我国的不断发展,以及人们对于个性化差异学习的认识,如何开发一个基于网络的,以学习者为中心,最大程度的激发学习者的学习兴趣,从而实现真正意义上的自主学习的网上自适应学习系统已经逐渐成为网络教育学习平台研究中的重要课题。本文主要通过对基于网络的自适应学习的认识,探讨适合于我国当前教育体制的,基于网络的自适应学习系统的体系架构和构建策略。     

数据挖掘在教育中的应用

最近,将数据挖掘技术应用于学习系统成为一个热点。本文主要介绍了将数据挖掘技术应用于学习系统,尤其是基于Web的学习系统。介绍了多种挖掘技术在学习系统中的应用:统计分析、可视化、聚类、分类、关联规则和文本挖掘。     

基于数据驱动的过程监测系统设计方法研究北大核心CSCD

为保障工业系统高效安全地运行,主要研究对于一般工业系统基于数据驱动的过程监测系统设计方法。首先,借助互质分解技术学习故障诊断观测器的参数化形式,在已有数据驱动设计方法的基础上,将单维的基于观测器的残差产生器扩展至多维,研究基于多维残差产生器的过程监测系统设计。其次,针对工业系统中普遍存在的非线性、系统不确定性和工作点变化等问题,基于自适应观测技术还为多维残差产生器设计了自适应更新策略。最后通过在三水箱仿真系统中的案例学习验证了所提出的数据驱动设计方法。