基于Agent的频繁模式挖掘

频繁模式挖掘是数据挖掘中的一个重要部分,现有的模型具有各自的优点,但在智能性方面表现较差。对于已经存在的Agent系统,多数都是以语言的形式进行描述,本文对Agent进行形式上的描述,并应用到数据挖掘的模型中,使其智能性得到提高,并有很高的可移植性。

数据挖掘技术与用户知识获取

This paper discusses the commonly used technologies in data mining,and explores how to use these technologies to obtain user knowledge,including corrective analysis,combination analysis,classified filling in the form and intelligent agent.

基于应用层记录的Web挖掘数据源模型研究

Web挖掘数据源质量的好坏直接影响到电子商务系统中商品销售推荐算法的结果。目前大量的电子商务分析使用Web日志作为数据源,限制了分析决策功能且易出现错误。提出了一种基于应用层记录的事件统一模型EUP,它能够进行更准确和方便的用户和会话识别,解决了Web日志的一系列预处理问题,集成了购买、浏览及其它各种类型事件,兼容其它Web挖掘算法,并且可以支持多维多层次的Web挖掘分析。实验结果表明,该模型可以为智能电子商务站点提供高质量的数据源,进而提高智能服务的质量。

智能仿真

智能仿真是指所有基于仿真的智能系统研究,主要包括人工智能的仿真研究、智能通信仿真、智能计算机的仿真研究、智能控制系统仿真、数据挖掘与知识发现、智能体、认知和模式识别等。信息时代起带头作用的现代信息技术迫切需要智能化,其中智能控制技术主要用来解决那些用传统的方法难以解决的复杂系统的控制问题,如智能机器人系统,计算机集成制造系统(C IMS),复杂的工业过程控制系统,航空航天控制系统,社会经济管理系统,交通运输系统,通信网络系统,环保与能源系统等。这些复杂系统具有严重的不确定性、高度的非线性,控制任务要求复杂。由此可见,智能仿真不仅内容相当丰富,而且明显地把仿真应用置于当前科技发展的高端。

工业控制系统软件的用户操作异常检测方法

针对工业控制网络终端控制系统软件的用户行为安全问题,提出用户操作层面行为可信评估的方法。首先从软件日志文档中提取出整数数列的历史序列,然后引入Apriori方法进行用户操作行为序列频繁模式挖掘,并基于挖掘出的模式集建立概率矩阵,最后通过提取当前用户行为序列,基于BLAST-SSAHA算法与历史序列模式集序列匹配,对用户行为可信性进行检测,为后续系统平台可信性评估提供依据。实验表明:文章提出的方法是有效可行的。

数据挖掘技术在用户操作模式抽取中的应用

Frequent operation pattern is an important characteristics of user operati,m. It measures thedegree of user dependencies and preferences upon the software functionality. This paper focuses on theapplication of data mining techniques in the design and implementation of interlace Agent, and presentsthe concept of frequent user operation pattern and its discovery algorthm. The algorithm is well suitedfor time-restrict data mining tasks.