基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简,然后使用神经网络对数据进行学习,并同时完成属性的不一致约简,最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明,该方法快速有效,生成规则简单准确,具有良好的鲁棒性。

基于Rough Set的电子邮件分类系统

随着电子邮件的广泛使用,通过它进行不良信息传播的事件不断发生.电子邮件分类问题成为了网络安全研究的热点。本文通过对电子邮件头进行分析,运用Rough Set理论中相关的数据分析技术,建立了电子邮件分类系统的模型,并进行了实验测试,得到了满意的结果。

基于Rough Set的数据挖掘技术在网络安全中的应用研究

随着计算机网络技术和互联网技术的飞速发展,计算机的使用逐渐普及,越来越多的人使用互联网,而保障网络的安全性变得尤为重要。目前,Rough Set理论已成为一个热门话题。基于此,笔者根据网络安全现状,探讨基于Rough Set的数据挖掘技术在网络安全中的应用。

基于粗集理论和神经网络结合的数据挖掘新方法

本文提出了一种基于粗集理论和神经网络的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简 ,然后使用神经网络对数据进行学习和预测 ,并同时完成属性的不一致约简 ,最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明 ,该方法快速有效 ,生成规则简单准确 ,具有良好的鲁棒性。

基于邻域粗糙集的入侵检测

针对入侵检测系统存在的高漏报率和误报率,提出了一种基于邻域粗糙集的入侵检测方法。该方法在粗糙集理论的基础上引入邻域概念,这样便无需对数据进行离散化处理,可以减少信息损失。实验结果表明:该方法可选择出更为重要的属性组合,从而获得较高的检测率和较低的漏报率与误报率。

粗糙集和神经网络方法在数据挖掘中的应用

提出了一种基于神经网络和粗集的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简,然后使用神经网络对数据进行学习,并同时完成属性的不一致约简,最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明,该方法快速有效,生成规则简单准确,具有良好的鲁棒性。

基于粗集方法入侵检测系统中的安全规则的挖掘

针对入侵检测系统中安全规则提取的困难,该文提出了利用粗集方法从系统日志审计信息中挖掘安全规则,并给出了规则挖掘算法。通过KDDCUP1999入侵数据测试集中的数据验证了该方法的有效性和可行性,为入侵检测中安全规则的提取提供了一种新方法。

基于BP神经网络与粗糙集理论的分类挖掘方法

分类是数据挖掘中重要的课题,为协调决策分类,提出了一种基于粗糙集理论和BP神经网络的数据挖掘的方法。在此方法中首先用粗糙集约简决策表中的冗余属性,然后用BP神经网络进行噪声过滤,最后由粗糙集从约简的决策表中产生规则集。此方法不仅避免了从训练神经网络中提取规则的复杂性,而且有效的提高了分类的精确度。

基于粗糙集与BP神经网络的数据挖掘分类模型

利用粗糙集理论对原始数据进行特征选择,约简冗余属性,从而减小BP网络的输入维数。该模型可以在不同的简化层次上给出相对满意的决策,适用于信息不完备情况下的推理和决策研究。

基于粗糙集的数据挖掘在无线网络入侵检测中的应用

对基于粗糙集的数据挖掘与知识发现在无线网络入侵检测中的应用作了一些探讨,并以某无线Ad Hoc网络分布式入侵检测中基于粗糙集约简的分类算法为实例作验证。

基于粗糙集和神经网络的地表水质预测

当前,许多地方已经建设重点污染源在线监控系统,收集了重点污染源大量的排污数据。同时,也开始建设地表水质自动监测系统,并获得地表水质的实时数据。利用数据挖掘技术,这些数据对城市地表水质的分析和预测有着十分重要的意义。本文主要以小榄水道马大丰水厂水质自动监测子站的历史数据和周边上下游重点污染源在线监控数据为研究对象,并利用数据挖掘技术,对监测数据进行筛选,预处理和属性约简,再运用BP神经网络技术建立模型,对小榄水道的主要指标CODMn进行预测。预测结果分析表明,误差较少,预测效果较好。