Web使用挖掘中数据预处理算法的设计与实现

指出了数据预处理在Web使用挖掘中的重要性,详细分析了Web使用挖掘数据预处理过程,在每个数据预处理的每个阶段给出了一些规则并针对这些规则设计和实现了相应的预处理算法.实验结果证明这些算法是有效的.     

Web数据挖掘技术及应用研究

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透与融合的结果。本文介绍了Web数据挖掘的定义,Web数据挖掘的分类以及各自相关技术,并对Web数据挖掘的应用前景进行了探讨。     

基于语义的Web信息检索改进模型

目的针对传统W eb信息检索模型的不足,提出一种基于语义的W eb信息检索模型。方法模糊相关技术、Ontology及W eb挖掘技术。结果建立了一种五元组的语义信息检索模型,并给出了该模型的关键实现算法。结论利用此模型实现的信息检索系统进行信息检索时具有更高的准确率和查全率。     

基于免疫原理和Boosting机制的模糊分类规则挖掘算法

基于免疫原理和Boosting机制,提出了一种模糊分类规则挖掘算法.该算法主要借鉴于自然免疫系统中的克隆选择原理,通过抗体种群的演化来优化模糊规则.模糊规则库通过增量的方式产生,算法每次运行得到一个规则.Boosting机制用于调整训练数据的权值,使得新生成规则集中于当前未被覆盖或误分类的数据实例.仿真实验表明,所提算法可根据规则的分类精度来调整训练数据的权值,促进了模糊规则之间的协作关系,避免了规则之间相互冲突,提高了系统的分类精度.     

基于数据挖掘的考试成绩科学化管理

将数据挖掘技术引入到体育考试成绩科学化管理中来,提出了基于数据挖掘的体育考试成绩科学化管理框架,以关联规则为例,详细讨论了利用数据挖掘进行体育考试成绩科学化管理的具体过程,并对结果进行了简要分析.     

基于web日志挖掘的数据预处理研究

Web日志信息的预处理是Web日志挖掘任务中的重要阶段,也是工作量较大的一部分.Web服务器上的数据是半结构化的,而且含有大量和挖掘无关的记录和冗余项.这就需要对其进行处理以得到适合挖掘的数据事务(Transaction)形式.Web日志预处理就是通过一系列的清洗、集成、转换等来得到合适的待挖掘数据.本文重点介绍了数据清理、用户识别、会话识别、路径补充、事务识别等过程.     

关联规则挖掘算法及其在冷轧生产中的应用

针对Apriori算法在实际应用中无法发现关联规则变化趋势的问题,该文根据增量挖掘算法的优点对Apriori算法进行了改进。改进的Apriori算法能够在原算法的基础上,通过关联规则统计量的变化确定强规则与候选规则之间的转换,从而进一步发现关联规则的变化趋势,提高了依靠Apriori算法得到的关联规则对决策分析支持的可靠性。将改进算法应用于冷轧生产过程预测中,试验结果表明,改进算法相对于传统的Apriori算法对产量预测的精度提高了30%。     

基于隶属度改进的模糊K-均值算法

本文对模糊聚类K-均值算法进行了分析,针对隶属度归一可能引起结果偏差,对隶属度进行了改进,并进行了实验比较,验证了改进的有效性。     

弹塑性平面应变固结问题的解耦分析

针对弹塑性平面应变固结问题提出了解耦的计算方法,基于数值建模方法建立了多路径的土的弹塑性本构模型,该模型能考虑塑性剪应变εpv 与体应变p交叉作用及应力路径的影响.将该模型引入弹塑性固结问题中,建立了相应的扩散方程.讨论了此类液-固耦合问题的解耦条件及对应的应力路径.推导了平面应变扩散方程的基本解,该基本解与固体域控制方程构成了半数值半解析求解体系,编制了有限元程序,计算了一个典型平面应变固结沉降算例.对比分析表明该方法能有效地简化计算,能较好反映应力路径对固结的影响.     

网络信息挖掘技术探讨

介绍了知识发现和数据挖掘的概念及网络知识发现与网络信息挖掘，论述了网络信息挖掘中的关键技术，最后指出了网络信息挖掘应用现状和未来的应用方向．