基于Web数据流技术的网络入侵检测研究

针对传统多遍扫描数据库的挖掘技术构建的入侵检测模型已不能满足Web数据流高速并且无限到达的需要,根据多维频繁模式的特点,提出了一种新的入侵检测模型和一种新型数据结构SW.Tree,并给出了一种基于滑动窗口树的挖掘频繁项集的新型算法AFP.对不同流量数据的实验结果表明该模型有较高的报警率和较低的误报率.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法--MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.     

Apriori算法中频繁项集求法的改进

分析传统Apriori效率较低的原因,采用0-1矩阵改进数据库事务集的描述,提高Apriori中统计匹配的时间效率;分析各频繁项集的计数,改进传统Apriori算法完全从低维频繁项集产生高维频繁项集的方式,通过先求出1项频繁集和最大频繁项集,减少中间的频繁项集剪枝数量,从而达到提高算法效率的目的。     

数据挖掘中关联规则算法的研究

随着计算机技术的迅猛发展,使得现代信息技术也得到了发展,数据挖掘技术被广泛地应用到许多领域当中。而数据挖掘技术中最常用的算法则是关联规则算法,它能够对大量的数据和信息进行处理,在数据库中将繁琐的项集找出来,经过处理之后,将项集与项集之间的关联关系建立起来,然后从中挖掘出有用的信息。本文针对数据挖掘中的关联规则算法进行研究。     

数据挖掘在食管癌和贲门癌研究中的应用

结合食管癌和贲门癌研究中的普查数据的特点和数据挖掘过程中对数据的要求,讨论了普查数据的预处理、频繁项集的挖掘及挖掘结果分析,认为利用数据挖掘技术处理普查数据,从而得到频繁出现的病理特征,对癌症研究有重要意义.     

基于兴趣度剪枝的Apriori优化算法

鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.     

基于机器学习的大学生简历数据分析

大学毕业生人数每年逐步增长,就业形势依然严峻,加之新冠肺炎疫情的影响,毕业生就业遇到重重困难.为此,对大学生简历数据进行分析显得尤为必要.文章建立了简历数据抽取模型,提取大学生简历数据到数据库中并保存为结构化数据,再进行数据预处理操作,最后利用机器学习算法对简历数据进行分析,建立工作推荐模型,为大学生就业提供帮助.     

基于图匹配的人脸识别算法

为了识别有较大表情变化的人脸,利用sift算法找到人脸图像中的DoG关键点,用这些极值点所包含的灰度信息和位置信息建立最小生成树,再使用最小生成树估计联合Rényi熵,结合图论中的图匹配知识,进行人脸识别.实验结果表明,该算法在人脸出现较大表情变化的情形下仍能够得到较为准确的识别结果.     

一种挖掘最大频繁项目集的优化算法

提出一种与Apiori算法思想截然相反的算法,称为组分解挖掘算法GDMA(Grouping-Decompo-sition Mining Algorithm).该算法通过分解较大的非频繁项目集来产生较小候选项目集,使得扫描数据库次数明显减少,同时产生的候选项目集的数据量也大大减少,大大提高了挖掘效率.     

基于信息熵的决策树挖掘算法在智能电力营销中的应用

针对目前电力营销管理系统缺少有效的营销数据决策支持的问题,将基于信息熵的决策树挖掘算法应用于电力营销中,并建立电力客户分类模型.实际应用结果表明,该分类模型具有较好的预测分类能力,能够满足电力营销工作中的客户及时准确分类的需要.     

一个新的数据挖掘模型与算法

在数据挖掘中,规模巨大的候选模式是约束系统性能的瓶颈,为解决该问题,提出了一个新的数据挖掘结构FP-tree及相应的构造算法FP-growth,实验测试证明,利用FP-growth算法可以发现FP-tree中所有的强模式,此外,与Aprior算法相比,该算法性能稳定,具有较高的运行效率,为数据挖掘技术的实现提出了一种新的思路。     

NAND闪存文件系统YAFFS的研究

研究了NAND文件系统YAFFS的数据存储结构、文件操作、加载、损耗平衡、垃圾回收、读写效率等问题.YAFFS以含有元数据的页为更新单位,相应设计的Tnode树结构能较快地索引数据,文件操作性能较好,加载时扫描OOB区重建文件系统的索引和结构,而YAFFS2的改进使加载大大加快.YAFFS的不覆写更新和块分配策略,保证了损耗平衡,但是线性复杂度的垃圾回收算法和大粒度的锁机制,不利于读写有时限的系统.通过性能测试发现,YAFFS加载和损耗平衡性能较好,写性能随空间的减少而减少,读性能连续文件和不连续文件基本相同.但YAFFS与MTD驱动层的兼容性不好,使用和测试也没JFFS2广泛,需进一步完善.