基于遗传算法的多决策树融合研究

决策树是数据挖掘领域的一种有效方法,但基于决策树挖掘的入侵检测系统存在着检测性能低和数据挖掘效率不高等问题,针对这些问题,该文将遗传算法应用到决策树挖掘策略中。其思想是其思想就是将海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用遗传算法将多棵子决策树进行融合形成最优判断。文章最后通过实验证明该方法的有效性。

基于数据挖掘的入侵检测的研究与应用

以基于数据挖掘方法的入侵检测技术研究为核心,对数据挖掘技术和入侵检测技术进行了研究和分析,探讨了数据挖掘方法中聚类算法在入侵检测中的应用,提出了一种基于最短距离算法的最近邻优先(NearestNeighbor First)算法,并采用KDD Cup 1999数据集中的数据对该算法的执行效率进行检测.

数据挖掘在事业单位绩效工资管理中的应用

以高校的绩效工资管理为例,针对k-means算法存在的问题,通过聚类算法中改进的k-means算法,采用基于距离和密度的方式确定初始聚类中心,按照数据挖掘的步骤,建立数据集,可得到绩效工资分级的标准.给出了试验结果和具体分析.