Web挖掘和遗传算法在智能化网络教学系统设计中的应用

智能化网络教学在国民教育中起着重要的作用,例如改善教学环境、促进学习方式变革、提高学生学习生活质量等方面影响巨大,而Web挖掘和遗传算法又在智能化网络教学系统设计中起着重要的作用,因此Web挖掘和遗传算法的研究与发展对于我国的国民教育具有重要意义。本文主要阐述了智能化网络教学系统设计中Web挖掘和遗传算法的应用。

基于遗传算法的APP用户隐私保护文本挖掘系统设计

针对受到句子相似性较高的影响,存在APP用户隐私保护文本挖掘效率低的问题,为此,设计基于遗传算法的APP用户隐私保护文本挖掘系统。使用Heritrix爬虫结构采集文本信息,采用多线程ToePool,管理抓取的线程,借助ARM处理器,预处理文本信息,使用垂直搜索引擎模块,将索引域写入索引,通过分析词特征在句子中出现的频率,计算两个文档句子之间的相似度,确定导向式文摘的查询相关性,衡量摘要查询相关程度,根据选取的数据源,设计APP用户隐私保护文本提取流程。实验结果可知,该系统与数据源存在5次的频率误差,其余均一致,具有良好挖掘效果。

黑盒遗传算法下异构网络信息安全漏洞深度挖掘

为设计有效测试信息用例,深度、全面挖掘异构网络信息安全漏洞,提出黑盒遗传算法下异构网络信息安全漏洞深度挖掘方法.其核心基于威胁概率计算的异构网络态势感知方法,在分析异构网络环境后,计算目前网络攻击状态与历史攻击状态之间相关性,分析网络威胁概率判断网络态势;针对属于异常态势的网络,基于黑盒遗传算法的漏洞深度挖掘模型,使用驱动Fuzzing测试工具,设计有效测试信息用例,将测试信息用例从异构网络链路层,发送至目标服务器,根据目标服务器所接收数据包中测试信息用例的缺失状态,便可判断信息安全是否存在漏洞.经测试,所提方法在挖掘信息安全漏洞时,所设计的有效测试信息用例的比例明显增大,对多种漏洞信息均可准确挖掘,具备深度、全面挖掘异构网络信息安全漏洞能力.

基于遗传算法的生物启发频繁项集挖掘策略

精确频繁项集挖掘算法时间效率低下,在处理大规模数据集时力不从心。针对该问题,提出一种基于遗传算法的频繁项集挖掘策略GAA-FIM(Genetic Algorithm combining Apriori property based Frequent Itemset Mining),给出了编码操作、交叉操作、变异操作和选择操作的详细操作规则。该算法将遗传算法与精确频繁项集挖掘算法的向下闭包特性融合,改进了传统的有性繁殖的交叉操作方式,将具有良好遗传基因的个体优先加入到新一代候选种群中,并通过变异操作扩展新一代候选种群的规模,以提升算法的时间效率,获取更佳质量的频繁项集。基于合成数据集和真实数据集对GAA-FIM算法的性能进行了验证,实验结果表明GAA-FIM算法与GAFIM和GA-Apriori等算法相比具有更好的时间效率,频繁项集质量也得到了进一步提升。

基于Web挖掘技术的图书馆服务推荐算法分析

为实现精确化、实时化的图书馆图书信息推荐,保证图书馆的服务质量和效率,文中应用Web挖掘技术,设计了一种新型、先进的图书馆服务推荐算法。首先,系统论述了Web挖掘技术的概念、分类及流程。其次,从离线部分、在线部分两个方面入手,实现了图书馆服务推荐系统的框架设计。最后,在参照图书馆服务推荐系统框架的基础上,从建立推荐池、产生初步推荐集、融合离线部分产生个性化推荐集等方面入手,实现了对图书馆服务推荐算法的设计,为相关工作提供了有效的参考。

基于改良粒子群遗传算法的无人机配送路径可视化

为满足无人机配送的需要,实现配送路径的最优化,文中提出了一种计算最优配送路径的方案。首先,分析了对无人机飞行路径规划的研究现状,介绍了算法的改进,其中单个无人机主要考虑实现飞行路径最短,多个无人机需要综合飞机配送的均衡度和总配送路径给出飞行路径。其次,使用Web前端实现算法计算,给出建议的配送路线,并使用高德地图API实现路径的动态飞行模拟。该无人机配送路径规划模型对空中配送的研究和建设提供了借鉴,具有一定的实际参考价值。

遗传算法在Web关联挖掘中的应用研究

关联规则是描述Web用户行为特征的重要依据。传统的基于统计学的Web关联规则挖掘算法注重对现有数据的分析,不能针对Web关联挖掘的特点提供有效的预测手段和优化反馈措施。本文提出一种基于遗传算法的Web关联挖掘算法体系,实验证明它能弥补传统Web关联挖掘算法的不足,为Web关联挖掘提供了一种新的思路。

遗传算法在Web关联挖掘中的应用研究

关联规则是描述Web用户行为特征的重要依据。传统的基于统计学的Web关联规则挖掘算法注重对现有数据的分析,不能针对Web关联挖掘的特点提供有效的预测手段和优化反馈措施。文章提出一种基于遗传算法的Web关联挖掘算法体系,实验证明它能弥补传统Web关联挖掘算法的不足,为Web关联挖掘提供了一种新的思路。

改进的遗传算法在Web使用挖掘中的应用

Web使用挖掘是近年来Web数据挖掘中的研究热点。针对传统遗传算法在提取关联规则问题时常采用固定染色体交叉概率和染色体变异概率,容易出现早熟、收敛速度较慢的问题,提出了改进的遗传算法,并在关联规则的提取中增加了用户页面兴趣度这一阈值,成功地运用到某商业网站服务器日志挖掘。实验证明,这种改进的遗传算法能够有效避免早熟收敛现象,是一种有效的方法。

基于遗传算法的Web行为挖掘研究

针对在Web行为挖掘中,统计学挖掘算法难以发现潜在、先验性的知识,文章提出一种基于遗传算法的Web行为挖掘方法。其通过遗传进化、机器学习的方式,解决了Web行为挖掘中的用户聚类分析和关联分析问题,以适应Web自身,以及Web用户群体行为的发展,试验结果证明了它的可行性和先进性。

基于混合模拟退火-遗传算法和HMM的Web挖掘

隐马尔可夫模型训练算法是一种局部搜索算法,对初值敏感。传统方法采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于Web挖掘效果不佳。遗传算法具有较强的全局搜索能力,但容易早熟、收敛慢,模拟退火算法具有较强的局部寻优能力,但会随机漫游,全局搜索能力欠缺。综合考虑遗传算法和模拟退火算法的特点,提出混合模拟退火-遗传算法SGA,优化HMM初始参数,弥补Baum-Welch算法对初始参数敏感的缺陷,Web挖掘的实验结果表明五个域提取的REC和PRE都有明显的提高。

基于遗传算法的Web数据挖掘

随着Internet的迅速发展,使得"数据丰富而信息贫乏"这对矛盾显得日益突出,数据挖掘技术正是针对这一需求而出现的一项新技术,本文提出一种基于遗传算法的Web的数据挖掘方法,重点分析了遗传算法在数据挖掘操作中的优势特点,并将这种方法应用在网络信息处理中。

基于改进遗传算法的Web文本挖掘系统

文本分类是文本数据挖掘中一个非常重要的技术,已经被广泛地应用于信息管理、搜索引擎、推荐系统等多个领域.现有的文本分类方法很难适用于大规模的文本数据集.为此,提出了一种基于改进遗传算法的文本挖掘系统.提出的改进遗传算法极大地提高了文本挖掘系统的分类效率.实验结果表明,该方法适用于大规模文本数据集;该方法提取规则的分类正确率较高,分类速度较快.

基于改进遗传算法的WEB文本挖掘系统

WEB挖掘作为数据挖掘的一个新主题,引起了人们的极大兴趣。本文基于一种改进遗传算法对WEB挖掘中的文本挖掘问题展开了研究。在研究基于改进遗传算法的规则抽取方法的基础上,初步实现了一个性能较好的中文WEB文本挖掘系统。本文的研究对于基于WEB数据挖掘和知识获取的实现电子数据交换和电子商务等具有重要的意义。

基于改进遗传算法的Web关联规则日志挖掘的研究

本文提出了一种改进的遗传算法,用于优化Web日志挖掘的关联规则集。介绍了该算法的具体流程,提出新的染色体编码方案,新的编码配合本文的交叉操作使遗传过程更加优化,本文还对遗传的各步操作进行了改进,有效的避免遗传算法的早熟现象。

基于遗传算法的Web使用挖掘研究

针对Web使用挖掘中的信息,提出一种基于遗传算法的关联规则挖掘模型,同时结合实例对有关信息特征进行量化,然后利用实数数组的方法进行编码以及构造适应度函数,挖掘出隐含在用户注册登记信息库中的有关用户规则.为个性化服务系统提供准确和可行的关联规则,并对用户的行为进行了预测和分析.

基于遗传算法和Fuzzing技术的Web应用漏洞挖掘研究

在网络快速发展普及的形势下,以B/S架构为基础的Web应用系统备受青睐,开始实现广泛应用,而网络用户的大部分个人隐私信息,是通过Web应用,加以传输并处理,从而导致Web应用演变成了网络攻击的重灾区域。所以,构建健全的、有效的Web应用漏洞挖掘机制,以便于可以及时发现其中存在的安全性问题,在一定程度上避免被恶意攻击。据此,文章主要对基于遗传算法和Fuzzing技术的Web应用漏洞挖掘进行了深入探究。

一种基于遗传算法的知识挖掘算法

数据挖掘是近年来数据库领域中出现的一个新兴研究热点。传统的数据挖掘是从大量数据中获取知识。该文基于遗传算法提出了一种新的知识获取方法─ＧＡＫＤＫ，通过对知识树的交叉变异操作，从现有规则中获取未发现的知识。

基于遗传算法的QoS感知的Web服务选择

提出一种用于QoS感知的Web服务选择的遗传算法．该算法采用关系矩阵编码方式,克服了一维编码方式表示的局限性,并且可以通过简单的方法来表示组合服务重计划及Web服务循环路径等情况,通过该算法一次运行,就可以从所有组合路径的组合方案中选出满足用户QoS需求的组合方案,而一维编码遗传算法在多路径情况下需多次编码、多次运行．算法还采用一种变异策略来提高算法的适应度．通过仿真比较,关系矩阵编码遗传算法比一维编码遗传算法获得了更优解,变异策略在提高算法适应度方面也发挥了作用．

遗传算法在数据挖掘中的应用

论文介绍一种利用遗传算法的演化计算机编程的方法来自动建立一种动态非线性数学模型进行数据挖掘,并进行社会经济趋势预测和回归曲线拟合,改变过去那种只使用拟合粗糙、预测结果准确度差的传统预测模型进行曲线拟合和趋势预测的分析方法。在数据实验中,使用遗传算法演化计算机编程的方法自动生成的演化模型对一些真实的历史资料进行了曲线拟合和发展趋势预测以及对前馈、后馈误差进行了深入分析。结果表明,使用该方法建立的演化模型要比传统的线性回归、指数回归、抛物线回归三种固定传统数学模型所预测的数据准确度高很多,而且拟合曲线的前馈标准差和预测后馈标准差也明显要小。