基于改进粒子群优化的无标记数据鲁棒聚类算法

已有的聚类算法大多仅考虑单一的目标,导致对某些形状的数据集性能较弱,为此提出一种基于改进粒子群优化的无标记数据鲁棒聚类算法。优化阶段:首先采用多目标粒子群优化的经典形式生成聚类解集合;然后使用K-means算法生成随机分布的初始化种群,并为其分配随机初始化的速度;最终,采用maximin策略确定帕累托最优解。决策阶段:测量帕累托解集与理想解的距离,将距离最短的帕累托解作为最终聚类解。对比实验结果表明,本算法对不同形状的数据集均可获得较优的类簇数量,对目标问题的复杂度具有较好的鲁棒性。

高效的数据流完全频繁项集挖掘算法

针对实时数据流的完全频繁项集挖掘算法计算成本较高的问题,提出一种基于改进FPTree的高效实时数据流完全频繁项集挖掘算法。使用改进的FPTree兼容地表示滑动窗口中的所有事务,建立一个完整的基树;利用事务的字母顺序简单地实现基树的插入与删除操作,无需对基树进行重组操作;利用分组Tree结构对基树进行由上而下的遍历来建立项目树,以较低的计算成本发现完全的频繁项集。仿真结果表明,该方案可有效地发现实时数据流的频繁项集,获得较低的计算成本。

基于Agent的移动Web服务集成方案

结合Aglets平台和J2EE servlet技术,提出一种基于Agent的J2ME移动Web服务3层集成方案。在终端层,使用轻量级代理接入方式减少移动设备资源受限系统的负载需求。在Web接入层,采用Web服务标准接入方式确保异构移动平台的统一接入。在移动Agent层,通过多Agent协同工作保证系统高效性与灵活性。在此基础上,设计并实现一个移动进货比价系统。应用结果表明,该方案能提高无线环境下J2ME设备发现、访问Web服务的效率与健壮性。

海量数据干扰下冗余数据高性能消除方法

针对海量数据处理过程中大量相似特征会给数据分类造成冗余干扰,在分类中心确定时出现多次校验、重复等弊端,提出一种海量数据干扰下冗余数据高性能消除方法.采用主动采样方法提取海量数据干扰下冗余数据特征,并对其进行分类.引入均值漂移传递函数对冗余数据进行分类处理,获取冗余数据活跃程度,实现冗余数据的高性能消除.结果表明,相比传统的消除方法,高效消除方法性能良好,所需时间短,具有一定的优越性.

云计算环境下入侵疑似边界问题改进算法

传统的疑似边界问题处理算法一直存在边界确定结果不准确、误差较大的问题,为了提高网络安全性能,提出一种基于模糊网络阈值计算的云计算环境下入侵检测中疑似边界确定算法,分析了云计算环境下入侵种类及其检测原理,并确定其入侵形式;通过计算模糊网络阈值,确定云计算环境下入侵检测中疑似边界具体参数.仿真实验结果表明,采用改进算法进行疑似边界的确定,其结果精度及效率均优于传统算法,具有一定的优势.

减少候选项集的数据流高效用项集挖掘算法

大数据环境下高效用项集挖掘算法中过多的候选项集极大地降低了算法的时空效率,为此提出了一种减少候选项集的数据流高效用项集挖掘算法。通过数据流中当前窗口的一次扫描建立一个全局树,并降低全局树中头表入口与节点的冗余效用值。基于全局树生成候选模式,基于增长算法降低局部树的候选项集效用,从候选模式中选出高效用模式。基于真实数据流的实验结果表明,算法的时空效率与内存占用比均优于其他数据流的高效用模式挖掘算法。

基于移动agent的J2ME分布式数据库访问

由于移动手持设备有限的计算和存储能力,J2ME没有提供真正意义上的数据库系统,目前大多数系统采用J2ME-J2EE数-据库系统的解决方案,然而这种线性部署并不适合无线计算环境下频繁断接、高延时等特性。通过借鉴移动agent思想并对其功能进行扩充,提出基于移动agent的J2ME分布式数据库四层C/S访问机制,并在开源Aglets平台基础上开发了一个分布式通信录系统原型,实验评估显示该方案有效地提高了J2ME设备对分布式数据库的访问效率和健壮性。

基于超网络和投影降维的高维数据流在线分类算法

为了提高高维数据流在线分类的准确率,设计一种基于超网络和投影降维的高维数据流在线分类算法。将高维数据流的特征子集建模为超网络模型,算法的学习目标是搜索最优的超边集合,选出判别能力强的特征子集。利用高斯核将高维空间的数据点投影到低维空间,采用梯度下降法计算数据点间的相似性矩阵。基于贝叶斯分类器模型更新机制,动态地学习新到达的数据流,基于学习的结果更新超网络的超边,再利用超网络指导分类器进行分类。仿真结果表明,该算法实现了较高的分类准确率,并且对于噪声也具有较好的鲁棒性。

新闻信息发布管理系统的现状及改进

现有的一些新闻信息发布管理系统存在开发周期长、工作量大、通用性差及费用高的几个主要缺点,我们可以通过改进软件的灵活性、通用性、方便性、稳定性和安全措施来创建高效的新闻信息发布管理系统.

聚类算法在图书馆中的应用

依据图书馆的现有信息,结合数据挖掘的流行方向,应用聚类算法分析研究读者的借阅行为,获得对图书馆管理有用的信息,提高图书馆管理工作效率和资源利用率。

基于防火墙的网络安全策略

优秀的网络表现出多项网络安全特征,我们主要通过防火墙技术来提高网络的安全性,防止网络被破坏.

数据库教学方法的研究

数据库课程是计算机专业的主干课程,根据数据库课程的特点,研究总结了数据库教学的若干方法,通过使用这些方法,培养既有理论知识又有解决实际问题能力的学生。

SQL查询语句的优化

目前数据库面临的主要问题是SQL查询语句的优化,通过使用索引、提供冗余搜索参数、避免相关子查询等方法,可以有效的提高系统性能。

基于职位需求文本挖掘的大数据专业课程体系改革研究

使用文本挖掘技术分析电子招聘系统大数据职位任职资格和任职要求,以可视化的形式展现大数据技能之间的依赖关系和依赖程度,针对新乡学院大数据专业人才培养方案,提出新的改革方案。在大数据专业课程设置中,要进行数学课程、计算机课程、大数据课程的进一步改革。通过中文分词、词性标注和词序提取大数据职位TOP20技能,利用词向量以及向量矩阵建立技能—技能之间的依赖关系知识库,并以可视化的形式进行直观展现,提出了大数据专业TOP20课程依赖关系,最后对新乡学院大数据专业人才培养方案中的课程体系提出改革建议。

基于朴素贝叶斯方法的Web数据噪音分类研究

在网页自动化数据抽取中,导航、广告、特定栏目等信息与知识数据的HTML结构模式类似,它们会被误作为知识数据抽取出来,从而带来抽取算法准确率低下的问题。本文通过分析噪音数据结构特征,基于朴素贝叶斯算法对网页文本信息分类,噪音数据干扰问题得到有效解决。实验结果表明,该方法具有较高的准确率和运行效率。

浅谈数据挖掘的发展及其应用

随着信息技术的发展,数据挖掘技术已经在各种领域中获得广泛应用,近年来数据挖掘技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。本文介绍了数据挖掘的分类方法和目前采用较普遍的一些数据挖掘方法,综合论述了数据挖掘未来的发展趋势。

Windows NT/2000的安全性能

WindowsNT/2000网络的安全问题可以通过提高操作系统自身安全和网络安全两方面来解决。主要表现在提高账号安全性、权限安全性、环境安全性以及加密数据、设置防火墙等方面。

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场(MRF)图像分割模型,该文提出了一种能够较好分割出表面贴装技术(SMT)焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。

基于SOM神经网络的医疗诊断专家系统研究

研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的'聚类'作用,实现对病人疾病的分类,并依此作为诊断的主要依据.

基于统计学的文件闲散区隐藏数据取证分析方法研究

该文针对文件闲散区(Fileslack)含有重要的取证信息这一特征,首先分析了文件闲散区的物理结构以及及其形成机制,然后提出了基于熵统计特征的方法,用以识别具有取证价值的文件闲散区。结合已有的取证特征模式,可以有效解决文件闲散区取证内容自动识别以及关键取证信息提取问题。实验结果表明,基于统计技术的文件闲散区取证分析方法能够有效识别该区域包含的取证数据。