基于关联规则的数据挖掘在供水管网故障诊断中的运用

找出引起供水公司管网故障的原因是供水公司进行客户服务的关键。在介绍关联规则基本概念的基础上，进一步研究了关联规则在供水公司管网故障诊断中的运用情况，并得到一些有用的规则，为管理者和分析人员提供了决策支持。     

可靠性统计与数据挖掘

讨论了可靠性统计与数据挖掘之间的关系．指出了用统计的理论与方法去进行数据挖掘在目前情况下仍不失是一种重要的方法。     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

一种基于微分流型的Web检索算法

为进一步提高Web的检索性能,提出了一种基于微分流型的 Web检索算法.该算法的核心思想为:用微分流型描述Web空间,用流型的切平面模拟Web的切空间,将流型上2点之间的测地线距离转化为二维平面上点与点之间的欧氏距离,基于距离的匹配过程由原来的在整个文档集合中进行,转换为仅在查询的邻域内进行,以减少匹配过程的计算量.实验结果表明,该算法的查准率比 Google和 IIT分别提高 35 24%和40 93%,它更适合于大型异构Web文档集合的检索.     

基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

数字化校园应用系统架构的研究

针对数字化校园建设发展中出现的一些问题 ,指出数字校园不是简单的硬件系统和软件应用系统的堆砌 ,而是在实施各个系统之前应该有总体的应用系统结构的设计和规划 .在分析比较了目前的网络技术发展路线和产品的特点基础上 ,提出了数字化校园的建设应以技术标准结合厂商产品的方法为主要技术路线 ,并详细地阐述了数字校园实现一站式服务的总体架构及实现方法     

用分类与回归树算法进行人才识别

高校人才的引进对学校的发展十分重要．传统的人才识别方式是考察引进人员的一些定性的指标来进行人才识别，这样难以保证识别结果的全面性、科学性和准确性．给出了一种新的定量的人才识别的方法，它是利用数据挖掘中分类与回归树(CART)的方法为理论基础对人才进行定量的识别，更具科学性．分类与回归树方法利用过去已有的引进人才的经验数据分析提取规则，为以后的人才识别提供合理的、科学的决策支持．     

多维频繁项集计算方法及应用

对多维关联规则中混合维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，文中基于多维的频繁项集的挖掘算法主要分为2个步骤，并在高校学生信息系统中给予具体运用．     

基于B/S结构和ASP.NET技术的Web应用研究及实现

首先对ASP．NET技术的特点进行分析，然后对基于B／S结构和ASP．net技术的Web应用程序开发过程进行了探讨，最后给出了一个网络考试系统应用实例。     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。