Web日志挖掘中模糊C均值聚类研究

Web日志挖掘就是通过一定的方法分析Web日志数据,发现用户的访问习惯,帮助管理人员改进Web站点的性能和结构,提高用户获取知识的质量和速度。笔者首先在Web日志挖掘的背景下分析了模糊C均值聚类算法的缺陷,针对其的不足,在粗糙集理论的支持下,介绍属性信息量的概念,并通过计算待聚类对象的属性权值,区分重要性属性和噪音属性对聚类结果的影响,实验证明该方法提高了模糊C均值聚类算法的准确率。

Web日志预处理技术探析

随着Intemet的普及，web日志挖掘成为一个新的研究课题。由于web日志数据的半结构化，为了得到有效的挖掘模式，提高挖掘算法的效率，首先需要对数据预处理。该文详细介绍了Web日志数据预处理的四个步骤：数据清洗，用户识别，会话识别和路径补充，并实现了对某校院网日志记录的预处理，得到了理想的结果。-

模糊C均值聚类算法的改进研究

模糊C均值聚类算法(FCM)是一种比较有代表性的模糊聚类算法,主要是通过迭代更新聚类中心和隶属度矩阵,使目标函数值达到最小.FCM算法还有很多缺陷和不足,其中最主要的就是选取不同的初始中心,会得到不同的聚类结果,影响到聚类的稳定性和准确率.本文对要聚类的数据集采用数据分区技术进行预处理,根据物质质心的定义及质心运动原理,计算每个数据分区的质心做为FCM聚类的初始聚类中心.实验结果表明,改进后的算法FCM能够降低迭代次数和运行时间,得到比较稳定的聚类结果.

Web文本聚类的研究与实现

Web文本聚类是使文本之间具有最大的簇内相似性,同时具有最小的簇间相似性,它是一个将文本集分组的全自动处理过程。本文首先提出了Web文本聚类模型,然后对Web文本聚类关键技术进行了深入的研究,讨论了分词、特征表示、特征选择和K-means算法等相关技术。最后,实现了该文本聚类系统,对采集到的Web文本进行聚类,实验证明此算法具有很好的聚类结果。

Web日志挖掘在校园网建设中的应用研究

在Web日志挖掘的基础上,构建挖掘系统模型,采用模糊聚类方法对采集的日志数据进行聚类,得到用户的访问模式,从而指导校园网网站管理人员改善Web站点结构,提高用户查找信息的准确率和效率。

计算机等级考试客观题习题库的设计与实现

目前计算机等级考试客观题习题集多以纸质的形式出现,不利于对计算机等级客观题进行科学、集中、有效的管理,因此,我们利用ASP.NET和SQL Server2000设计并实现了计算机等级考试客观题习题库系统。该系统主要包括随机抽题,在线测试,自动评价和动态数据维护等功能,能提高学生的学习效率。

LOGML-XML在Web使用挖掘中的应用

简要介绍了Web使用挖掘的概念和内涵,提出了一种新的XML语言——LOGML,并阐明了LOGML在Web数据挖掘中的作用。

基于属性重要性的Web文本聚类研究

Web文本聚类是一种典型的无指导机器学习技术,目标是将站点上采集到的Web文本分成若干簇,使同一簇内的文本相似性最大,不同簇间的文本相似性最小.为了对原始粗糙的Web文本数据进行降维处理,在知识属性值的基础上,计算单个属性相对于属性集的重要性量化值,并根据属性重要性量化值对特征向量降维,并采用K-means算法对降维后的数据聚类,实验证明该方法缩短了聚类时间.

基于远程教育网的Web日志挖掘研究

分析了现代远程教育的弊端,结合Web日志挖掘技术,构造了基于远程教育网的Web日志挖掘模型,提高远程教育网个性化服务的性能。

应用性本科院校C语言教学方法探讨

本文根据应用性本科院校的培养目标和C语言的特点,探讨提高C语言教学质量的方法,强调在教学中以增强学习的趣味性,帮助学生理解内存的变化和提高动手解决问题的能力为中心。

混合SVM结合信息熵检测ICMP隐通道

攻击者可以将生成的任意信息隐藏在ICMP的有效负载中传递出去,构成了ICMP负载隐通道。在分析ICMP数据流熵标准差和熵值分布特性的基础上,提出了基于信息熵的样本集缩减策略。为提高采用标准支持向量机(SVM)的学习能力与推广能力,建立了若干选取规则,构造出一种有效的混合核函数。最后采用混合SVM结合信息熵的方法检测ICMP隐通道,取得了较快的分类速度和较高的检测率。实验结果表明,采用混合SVM结合信息熵检测ICMP隐通道的方法,是有效的、可行的。

WiMAX接入技术在IPTV系统中的应用研究

在分析IPTV接入网的要求和WiMAX技术优势的基础上,提出了WiMAX应用于IPTV的系统模型,并具体分析了系统流程;针对IPTV业务下行数据量比较大的特点,提出了适合IPTV业务特点的下行链路实时调度(DLRTS)算法,该算法的主要目的在于降低实时业务的时延,从而保证IPTV的服务质量(QoS)。仿真结果表明,与常用的轮叫调度(Round R0bin)算法相比,本文算法在实时业务的时延和吞吐量两方面的性能都有明显提高,可很好地支持IPTV业务。

混合教学模式在VFP程序设计课中的应用——基于慕课背景

针对应用型高校VFP程序设计教学课时压缩而教学内容不减的现状,以及传统教学模式存在的问题,慕课作为一种新型教育学习模式,给网络教学带来了历史性的变革,在新技术与平台的支持下,慕课课程拥有一套自己的学习和管理系统。含有丰富的课程资源,包括短视频、习题、讨论、补充材料、测试等。为使教学更加系统化,最大限度地发挥教师的主导作用和学生的主体作用,"慕课"时代下混合式教学模式是相当有必要的。

基于本体的C语言网络教学模式研究

针对传统网络教学模式下高校C语言程序设计课程存在的问题,探讨了本体的定义、描述和构建等相关概念,设计了C语言课程知识本体模型,并将其引用到网络教学平台中。实践表明它不仅可以有效地表示知识,而且还可以帮助学生理清知识之间的结构和关系,提供系统导航,提高网络教学的效果。

基于黄金工作集多维数值函数极小值算法

提出一种黄金工作集的多维数值函数极值优化算法。根据工作集元素的贡献度不同并结合黄金分割法将工作集划分为黄金工作集和非黄金工作集。通过保留黄金工作集元素和置换非黄金工作集元素方法,保障工作集中的元素都是最优解,从而达到加速收敛实现算法的优化。通过与人工蜂群算法的进行比较,结果证明该算法在极值收敛上具有明显优势。

蜜网技术在网络安全中的应用

利用Honeyd构建一个虚拟蜜罐系统,配置这些虚拟蜜罐,将这些蜜罐和网络中未使用的IP地址绑定在一起,并使其存在系统漏洞,利用这些漏洞吸引蠕虫病毒。蜜网技术作为新型的主动的防御工具用于捕获未知的新型蠕虫病毒,保护网络安全。

基于改进的候选组合频繁模式的LDoS攻击检测

低速率拒绝服务(LDoS)也被称为脉冲式拒绝服务,在攻击检测与防范方法上计算复杂、难以实现。针对此问题,分析了针对TCP拥塞控制机制的LDoS的数据流分布特性,通过设置流信息熵阈值定位出可疑IP流对,采用改进的候选组合频繁模式挖掘算法,将候选频繁端口模式在FP树路径中进行匹配来发现LDoS攻击及其攻击特性。仿真实验表明,该方法能够有效的检测LDoS攻击。

基于实体对齐的知识图谱构建研究

知识图谱以图的形式描述概念、实体及它们之间的关系,通过建立唐诗、作者和地点等关系图谱,可以从古诗词数据中挖掘深层次的知识。获取互联网中的各种类型的唐诗相关的数据,包括各类百科数据和垂直网站等。利用自顶向下的方法,构建本体,定义领域概念,并自动的从多数据源中抽取出实体、关系及属性等信息进行填充。基于词向量进行实体对齐,判断不同来源的实体是否描述的是现实世界中的同一实体,从而扩充构建好的知识图谱。最后,通过Neo4j图数据库进行展示。

“慕课”时代C语言知识图谱的构建

本文分析了慕课平台《C语言程序设计》的教学现状以及知识图谱的应用,为了提高混合式教学效果,从三个方面来构建C语言知识图谱.数据获取部分是知识图谱构建的基础,实体识别、关系识别和属性识别是知识图谱的核心,最后通过Neo4j图数据库进行展示,为丰富慕课平台的建设提供了新思路.

“慕课”时代C语言程序设计混合式教学模式的研究

探讨了《C语言程序设计》慕课教学模式与传统教学模式的异同及优缺点,为了凸现学生学习的主体地位,加强教师与学生的互动,根据掌握的知识构建相应的混合式教学模式,并进行实验验证。首先,结合同一年级的考试成绩和慕课平台使用数据来分析慕课对学习效果的影响;其次,对比不同教学模式下学生的考试成绩。结果表明,所提出的模式能够激发学生的学习兴趣,提高学生的学习积极性,并帮助教师发挥教学的主导作用,培养学生自主学习和发现问题的能力。