基于大数据关联规则的网络恶意行为识别检测

为提升数据挖掘技术与网络恶意行为识别准确率,研究基于大数据关联规则的网络恶意行为识别检测方法.模糊化处理网络中存在的大数据,构建模糊数据库,分类聚集模糊数据库中的模糊数据,离散化处理模糊数据的连续属性,确定模糊数据频繁关联规则,通过基于模糊关联规则的数据挖掘方法获得整理后的网络数据;以此为基础,分析用户恶意访问流量特征...     

数据挖掘之道

数据挖掘,就是从大量的数据中,抽取出潜在的、有价值的知识、模型或规则的过程.随着信息技术的迅速发展和企业信息化的深入,企业积累的数据越来越多.数据的背后隐藏着许多重要信息,企业自然希望能够对其进行更高层次的分析,以便更好地利用这些数据.数据库系统可以高效地实现数据的录入、修改、统计、查询等功能,但无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势,导致了"数据爆炸但知识贫乏"的现象.     

基于数据挖掘的冠心病发病相关因素研究分析

本文将心身医学领域和数据挖掘技术相结合,研究发现冠心病发病的相关因素,获得一些新的对人类健康有意义的知识。作者提出借助数据挖掘领域中的多维关联规则技术对冠心病人的原始记录进行分析,通过清理大量初始记录行数据,并根据冠心病发病因素特点提炼出与冠心病有联系的记录字段数据,组成新的冠心病记录表;从表中找出发病记录字段值和冠心病结果字段值组成的频繁字段组合;最后通过预先给定的"支持度"和"置信度"来衡量该频繁字段组合是否能推导出冠心病发病关联规则。     

集装箱起重机机械状态监测信息的关联规则挖掘

对集装箱起重机状态监测系统中积累的大量数据进行数据挖掘,发现隐含在其中的新知识对掌握及预测起重机的机械状态是很有必要的.基于改进的竞争聚集(mCA)算法的量化关联规则挖掘方法,挖掘起重机状态监测信息中的关联规则,讨论了这些规则的特点,并对各种规则反映的起重机状态进行了分析.结果表明,通过观测各监测点特征值间关联规则的变化可掌握岸桥机械状态的变化.     

一个分类规则的存储结构及查询策略

分析了数据挖掘所获规则的不同应用类型及其实施过程中建立规则管理系统的必要性,提出了一个分类规则管理系统的构建方法,根据对分类规则挖掘过程及结果的抽象,引入元数据知识设计了分类规则的存储结构、查询操作以及建立在此基础上的应用,给出了应用实例·其特点是不仅存储了挖掘结果,同时存储了挖掘过程中涉及的相关数据,更便于对新数据分类和预测·     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

基于本体的信息安全漏洞关联分析

漏洞是引发信息安全问题的重要因素,对漏洞发生情况进行分析预测值得关注。针对信息安全漏洞数据库中的漏洞数据,基于CWE构建信息安全漏洞本体,形成漏洞领域语义基础,采用Apriori关联算法,对软件中漏洞发生情况进行分析预测。在数据挖掘的数据预处理阶段借助该语义知识,通过将低概念层级的漏洞数据泛化至高概念层级,提高项集的支持度,挖掘出隐藏的关联规则;在关联规则评估阶段通过设计基于用户关注度的规则筛选器ADARF和RDARF,实现了根据用户关注度找出符合用户兴趣度的规则;基于CNNVD漏洞库的实验证明了上述方法的有效性。     

基于数据挖掘技术的网络营销策略的实证研究

目的 在大数据背景下,研究销售者运用交易数据挖掘有效客户,认识、评价和提升个人客户的忠诚度.方法 本文根据淘宝某皇冠卖家的客户数据进行实证研究,运用分类树模型、聚类分析等进行分类研究,应用Logistic模型进行预测.结果 识别了有效客户及其特征,并获得有效客户发生购买行为的概率.结论 实践证明,数据挖掘技术能够精确高效地应用于匹配客户营销策略,提升线上销售业绩.     

决策树算法分析及其未成年人犯罪行为分析应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术.通过对数据挖掘决策树算法和未成年犯罪人员行为数据进行分析,找出其中潜在的规则为相关部门决策提供理论的支持.     

基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理(OLAP)和数据挖掘技术构建白酒企业决策支持系统.系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持.     

基于HTM网络的多源海洋实时观测数据异常检测

在时下海洋观测系统中,往往通过分布于不同地理位置的智能传感器来获取实时观测数据。然而由于通信环境不稳定、观测仪器故障、数据采集或传输软件运行异常等原因,观测数据的完整性、可靠性和时效性往往得不到保障。本文基于层级实时记忆(Hierarchical Temporal Memory,HTM)网络设计多源数据异常检测算法,对不同测点海洋实时观测数据流进行质量监控。首先考虑海洋观测系统中存在的数据缺测、网络丢包现象,对观测数据进行预处理;接着基于HTM网络,生成观测数据的稀疏离散表征,动态更新神经元活跃和预测状态,并根据赫布法则奖励或惩罚突触连通值,模拟时序数据的空间和时间关系,从而学习和识别数据内部特征,实现单源海洋实时数据流的异常检测;最后在此基础上,利用不同测点间观测数据的距离相关性,对多源海洋实时数据流进行质量监控,降低异常数据漏报率。实验结果表明,本文提出的算法能有效检测出海洋实时观测数据异常点,且识别速度快于数据采集速度,能保证异常检测过程的准确性和实时性,符合实际应用需求。     

决策树机器学习策略在数据分析中的优化

针对数据挖掘领域机器学习决策树模型匹配度过粗、预测准确率不高的问题,提出相应的改良优化策略.首先,通过对连续属性的多区间段离散化进一步提高数据的领域匹配度;其次,通过业务敏感度指标补偿特征属性的权重,使模型在向下分裂过程中,业务属性的选择更加合理;最后,通过数据分类规则改造进一步提升模型的数据预测准确率.实验结果表明,引入了业务敏感度指标生成的树模型更加简洁,业务针对性和数据归类能力更强;经过改造升级的数据分类规则相比优化前,数据预测精准度由72%提升至83%,有效改善了数据预测能力.     

基于粗糙集的边界分类算法

粗糙集作为数据挖掘工具,主要通过分类数据得到预测型知识,但分类规则过于严格,使得在挖掘带噪音的数据时,挖掘结果可能会损失一些有价值的规则.提出一种带不确定因子的信息系统及相应的分类方法,改进了传统粗糙集的分类方法.     

采用超图的微博群落感知方法

针对微博群落的识别与形成演化机理的获取问题,提出一种基于超图的微博群落感知方法.归纳微博用户的交互关系,提出以用户为节点、交互关系为边的微博用户交互关系超图模型;分析微博用户交互环境的情境特征,通过FP-TREE方法挖掘用户交互与情境特征的关联规则;根据关联规则对超图模型进行划分,得到具有相同情境的微博群落.以新浪微博为例进行了模拟验证,结果表明该方法能够感知导致微博群落形成的情境特征,且较传统数据挖掘方法能够更加准确地识别微博群落.     

基于时序数据挖掘的澜沧江流域气象预报系统

 在对澜沧江流域多年气象数据分析研究的基础上,依据气象数据的时序特性,结合数据挖掘中比例规则挖掘技术,实现了一个基于时序数据挖掘的气象预报系统.该系统对澜沧江流域近40年气象数据进行预测实验,结果表明:基于数据挖掘的气象预报系统的研究是对气象预报新路的有益探索.此外,该系统还提供了友好的用户界面和可视化结果展示.     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

基于关联规则数据挖掘的大学生体育锻炼行为阶段体质健康知识发现

数据挖掘是大数据时代知识发现的重要手段。通过关联规则数据挖掘,发现不同体育锻炼行为阶段大学生体质健康特征知识。以问卷和体质测试调查法调查在校大学生,构建数据库,以体育锻炼行为阶段为输出、体质指标为输入构建关联规则数据挖掘模型。结果表明,男生预期阶段体质主要表现为心肺机能低下,反应时中等以及双手背勾优;准备阶段心肺机能低下、力量素质和反应时差;行动阶段心肺机能和力量素质差,反应时和柔韧性优;女生前预期阶段力量差、柔韧性好;预期阶段握力及格、背勾优秀、反应时中等以及相对VO2max中等,广泛存在"体重正常的胖子"现象;行动阶段力量差、反应时中等、柔韧性优秀的特征。关联规则数据挖掘能有效发现不同体育锻炼行为阶段大学生体质特征,为大学生体质健康促进提供决策支持。     

一种基于地震前兆观测数据的可视化数据挖掘的研究

在现有数字化地震前兆观测数据的基础上,研究可行的数据挖掘算法和地震数据可视化方法,设计可行的基于地震前兆数据的可视化数据挖掘的模型,为地震预测提供决策分析支持.     

基于CRM的汽车客户行为预测研究

为解决汽车客户购买行为预测问题,以便有效估测市场走向,在客户关系管理(CRM:Customer Relationship Management)理论分析的基础上,采用16例汽车客户的购买信息作为样本数据并对其进行数据清理、转换、归纳,以SQL Server建立汽车市场营销分析的数据仓库,作为整个分析预测过程的输入,采用改进的ID3决策树模型和关联规则模型进行数据挖掘,得出汽车客户行为的预测知识.通过实验对比,验证了预测结果的有效性.     

基于改进数据挖掘Apriori算法的软件风险管理分析

因初始项集中的数据特征相关,使关联规则Apriori算法的数据挖掘结果存在误差.为了解决这个问题,结合粗糙集理论(RST),提出一种改进的关联规则数据挖掘算法;然后,将该算法应用到软件工程风险因素和风险缓解因素管理分析中,提出一种新的软件工程适应性结构.仿真结果表明,该改进算法提高了挖掘数据的效率.