数据挖掘技术在网络入侵检测中的应用

基于通用入侵检测轮廓,建立了一个基于数据挖掘技术的异常检测模型,采用关联规则、序列规则对数据进行挖掘,用判定树分类技术对获得的规则进行分类.实验表明,本模型具有较好的效益.     

关联推理对大学英语词汇与结构测试的启示

本文依据关联理论中关联推理对于上下文语境地依赖的法则,论证了在进行大学英语词汇与结构测试试题设计时,应如何考虑到上下文提供的信息的强度与数量,以及如何能使受试者能据此进行合理的推理,以取得最佳关联,获取准确无误的信息。     

拟阵基关联图中的路

证明了如果M=(E,B)是一个简单拟阵，拟阵M的秩ρ=ρ(M)至少为2，E中的每一个元素都包含在M的某一个圈中，Δ(M)=Δ(E,B,F)为拟阵M的基关联图，则Δ(M)中存在一条路P，使得P覆盖E中的所有元素.     

一种基于关联规则的搜索引擎结果聚类算法

提出一种搜索引擎结果的聚类方法，采用关联规则方法确定网页文档中的显著短语，并把这些显著短语作为对相应聚类的描述，聚类中包含的文档就是显著短语所关联的文档，然后对形成的聚类按照相关度分数进行排队，最终把结果展现给用户.     

扇与Halin图的一致膨胀图的关联色数

设图G的点集V（G）={v1，v2，…vn}，G的膨胀图R的点集V（FG）=V1UV2U…UVn，且对X∈K，y∈Vj，有xy∈E（FG），当且仅当i=j或ViVj∈E（G）。若对所有的i，满足｜Vi｜=t，则称其为G的一致膨胀图。给出了扇与△≥6的Hahn图的一致膨胀图的关联色数，它们均为该膨胀图的最大度加1。     

我国部分优秀男子链球运动员身体素质指标的分析

采用关联分析的方法,对我国8名优秀男子链球运动员的7项身体素质指标进行综合分析,找出各项身体素质指标对专项成绩影响的主次关系,并与国外优秀男子链球运动员进行比较,探讨我国男子链球运动员身体训练中的不足及其改进策略。     

赴西安旅游的韩国游客的旅游偏好研究

旅游偏好的研究对旅游市场拓展和旅游资源开发具有重要的指导意义．以实际的问卷调研数据为基础，采用多维关联的频繁项集规则和计算机数据库统计等方法对调研数据进行分析，研究赴西安旅游的韩国游客的基本特征以及旅游资源偏好、旅游商品偏好和旅游娱乐项目偏好等．     

三色Ramsey数尺（Cm1，Cm2，Cm3）研究

用r种颜色对图G的所有边着色，记着第i色的边构成的子图为G1,如果存在一种着色方法使得对所有的1≤i≤r都满足Hi￠Gi，则称图G对于（H1，H1，…．Hr）可r着色．Ramsey数尺（H1，H2，…，Hr）是使得完全图Kn对于（H1．H2，…，Hr）不可r着色的最小正整数n，令m1〉m2≥m3，Erdoes等给出了当m1足够大时R（Cm1，Cm2，Cm3）的值．通过对m1不是足够大的情况进行研究，证明了当m≥5时，R（Cm，C3m,C3）=5m=4；并给出了当m1≤7时R（Cm1，Cm2，Cm3）的值．     

利用病例-父母设计的候选疾病易感基因的LOD值排除分析

已有的一种LOD值排除方法,可在随机群体样本中反过来检测引起复杂疾病和数量特征的候选基因的重要性.LOD值排除方法是常规关联分析的有效补充.虽然与传统的关联分析相比,方法更加保守,但是仍然受到群体分层的影响.为了控制群体异质性所带来的混杂影响,文中通过病例-父母设计,发展了一种LOD值排除分析方法.这种方法与连锁分析中的排除分析是相似的.观测到的核心家系数据的似然函数可以构建多项分布式:L=n!/Ⅱi,j nij! Ⅱi,j(pij)nij.其中nij是父母配对类型为i而受累子代的基因型为j的家庭个数,pij为有一个受累子代的核心家庭中父母配对类型是i而受累子代的基因型为j的核心家庭的条件概率.这个似然值是基因频率和被检测遗传标记的相对风险的函数.在这种方法中,能够分析候选基因的特定遗传效应和遗传模型.如果LOD值≤-2.0,检测位点没有含有比特定位点更大的效应而被排除.我们进行了模拟研究来检测排除分析中遗传效应和遗传模型的功效.模拟表明,这种方法有一定的合理功效来排除一个具很小遗传效应的候选基因.与核心家系中传递不平衡检验(TDT)关联分析相似的是,该排除分析一般不受群体混层的影响.排除分析可以作为排除不含有或者含很小遗传效应的候选基因的TDT分析方法的补充.这种方法已经被用来检测维生素D受体对骨质疏松症的重要性.     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。