基于决策树模型的编程算法实践研究

分析决策树的基本模型,给出决策树的方法概述.进一步对决策树的算法进行了深入的分析,最后给出了构建决策树.并且应用决策树进行线性分类和2次分类,进行了算法的实践.     

基于加权朴素贝叶斯分类算法的学生成绩决策分析

在已有上机实验数据的基础上,使用综合的权值计算方法,将加权朴素贝叶斯分类算法应用到学生成绩分析与预测中．实验结果显示,对于学生的成绩分类,使用综合权值的结果优于传统权值的分类结果,表明使用文中的加权贝叶斯方法分析学生成绩是切实可行的．     

M-distinct算法改进：面向动态数据集重发布的隐私保护算法

M-distinct extension算法通过将数据添加、删除、更新三种情况分开处理,在删除情况下引入伪记录的概念,使得攻击者无法得出插入和删除数据之间的联系;另一方面提出事实：数据记录的不同属性在不同的发布用途中其信息权重并不相同,根据事实,引入属性权重的概念,减少算法在分配和划分两个阶段的循环次数,提高算法的效率。     

基于信息熵和贝叶斯方法的就业指导辅助决策技术

为了提高对大学生就业指导辅助决策的准确性和客观性,研究了基于数据挖掘技术进行就业指导辅助决策的技术及其实现的关键方法,根据学生基本信息和就业的历史记录,基于信息论的不确定性描述方法,分析了不同就业岗位上学生各类基本素质的重要程度,再根据属性重要程度提取影响就业的主要属性,在此基础上使用朴素贝叶斯算法进行就业预测分析,实践表明,按照文中提出的方法进行专业化就业指导,方法可行,结果符合实际情况．     

数据挖掘在入侵检测技术中的应用研究

针对入侵检测系统的特点,分析了数据挖掘在入侵检测技术中应用的研究现状,并利用数据挖掘技术在处理海量警报数据方面的优势,提出了一个入侵警报分析系统模型,通过对入侵检测系统产生的警报进行分析,减少了警报数量,提高了系统的检测效率和实用性。     

基于关联规则挖掘的课程相关性研究与应用

应用关联规则挖掘对高校课程相关性进行了研究．将某高校的毕业生成绩数据库经过预处理之后,采用不设定成绩界限的方法,用改进的Apriori算法进行挖掘．不仅能挖掘出成绩为优时的课程相关规则,还能发现若某些课程成绩差,则其他课程成绩也为差的规则,可以为学分制体系下学生选课和管理者进行决策等提供参考．     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

Web数据挖掘可视化研究与应用

通过Web数据挖掘算法研究Web服务器日志,阐述Web数据挖掘基本流程,利用(.NET)开发组件可视化展示Web数据挖掘信息,以提供决策支持.     

基于关联分析的数据挖掘在体检CRM中的应用

运用关联分析方法对体检中心数据进行挖掘。首先分析了关联规则的原理和方法,然后对待挖掘数据进行集成、变换等预处理,得到能进行挖掘的原始数据.采用挖掘工具WEKA,选用关联规则中的Apriori算法对处理后数据进行分析,得到了与某一病症相关的各个症状之间的关联关系,以及各个症状与健康之间的关联关系。     

基于距离和的孤立点用户意义分析算法及应用

有关孤立点分析的研究大多集中在如何高效地识别出孤立点,很少有研究提供对识别出的孤立点用户意义的解释。针对这一情况,提出了一种基于距离和的孤立点用户意义分析算法,针对每个孤立点都给出了其原因属性以及对该原因属性的描述,即给出了孤立点的用户意义。最后将该算法应用到质量管理中进行了实验。实验结果表明:该算法是行之有效的,有一定实用意义。