启发式教学的Visual FoxPro课堂实践

《VisualFoxPro程序设计》是医学院校普遍开设的计算机课程,结合医学院校中《VisualFox—Pro程序设计》课程特点,提出在课堂教学过程巧用启发式教学。并结合教学实例说明启发式教学能充分调动学生积极性,使学生真正参与课堂．从而取得好的教学效果。     

最小支持度在教学质量评价系统中的数据挖掘应用

以当前的高职高专院校教育教学为平台,研究分析最小支持度关联规则挖掘技术与教学质量评价相结合的问题,针对教学质量评价结果中的盲目性、不易把握等问题,提出利用最小支持度来分析质量评价体系,获取以影响因素为条件,以评价分析为结论的关联规则来解决目前教学质量评价中的不合理性,使教学质量评价公平、公正、合理、高效,并给教学管理人员提供决策分析资料。     

基于统计阈值的Snort规则集动态产生的设计与实现

Snort作为开源的入侵检测系统,利用定义的静态规则集合实现对网络的入侵事件的检测。本文分析入侵检测系统的基本原理和模型,阐述Snort入侵检测系统部署到网络时,其静态规则集的配置方法,根据统计流量阈值和告警频率阈值动态产生动态规则集的方法,改进并提高了部署Snort应有的灵活性。     

基于C++向量运算的Apriori算法程序设计与实现

用C++向量表示集合、候选集、频繁项目集,结合C++向量的操作特点,设计和实现了基于Apriori算法的关联规则产生程序,该程序用于物资管理系统中易耗物品关联信息的挖掘,运行结果证明了正确性.     

制定规则实现邮件管理自动化

邮件管理自动化的实现,在提高邮件传递质量的同时,还能避免不必要的垃圾邮件。     

基于聚类分析的新书推荐

针对大多数图书馆管理系统中的个性化服务中的新书推荐只是定时将新到馆的图书罗列出来让读者浏览进行推荐,推荐效果差的问题。本文在比较三大常用的推荐技术的优缺点后,采用基于聚类分析的推荐算法推荐新书,并具体给出实现的方法。     

数据挖掘技术在学生就业指导中的应用

管理信息系统的应用使得职业学校的就业指导工作产生了质的飞跃,但随着毕业生人数的极具增长,系统中不可避免地积聚了大量的就业信息数据,与之匹配的统计方法已不能适应现实的需求。数据挖掘技术可以有效解决这一问题,它所包含的Apriori算法,能建立在学校的就业历史数据之上,深入分析毕业生的就业数据从而发现真正影响学生就业问题的内因,还能通过结合学生的受教育与就业需求之间的相关性,分析出社会对人才的真正需求,进而为职业学校的管理者提供参考数据,帮助他们对学校的教育模式进行改革,使其更契合当下社会对人才的需求,从而最大程度地提高毕业生就业指导工作的有效性。     

动态包过滤防火墙规则优化研究

传统的静态防火墙是根据预先规定的特定的过滤规则对访问网络的数据包进行简单过滤,难以防范越来越复杂动态的网络攻击,同时随着静态过滤规则数目的不断增大,规则的管理也越来越复杂。而动态包过滤防火墙具有传统防火墙的功能,更能提供对运输层完整的控制能力,简化了对规则集的匹配工作,提高了网络通信速率。文章对动态包过滤防火墙的工作原理和过滤规则的优化进行了研究,能在不影响网络安全访问的前提下,提高过滤规则表的管理效率。     

基于LDRA Testbed的软件静态测试研究与实现

介绍了软件静态测试的基本概念与方法,以及如何利用测试工具LDRA Testbed进行软件静态测试,并对LDRA Testbed的静态测试原理进行了研究。最后结合实例实现了使用LDRA Testbed对C代码进行静态测试,并得到了静态测试质量报告、度量报告。     

引入关联分析的用户行为信任评估在云计算平台中的研究

关联规则是数据挖掘的重要方法。随着国内外云计算应用及研究的不断推进,云计算的安全性成为云计算的核心问题之一。通过进行用户的状态行为关联分析,提取信任信息,结合可信云的思想,提出一个云计算下基于信任的防御系统模型。