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.     

ERP财务管理中的智能决策研究

阐述了利用数据挖掘和神经网络的智能决策系统与ERP财务管理有机结合的成本管理策略,提出了智能决策与ERP财务管理耦合的系统模型,包括系统总体框架的设计、智能决策系统的设计及模块的协同运作。     

数据挖掘技术在电气设备在线监测系统中的应用

介绍了电气设备在线监测系统和数据仓库与数据挖掘技术,分析了数据挖掘技术在三里变电站电气设备在线监测系统中的应用,探讨了数据挖掘步骤中两个最重要的模块——数据处理模块和预测模块,对扭转当前在线监测系统中“信息丰富、知识匮乏”的局面做了一个非常有益的尝试,并取得了较好的效果。     

信息资源深层次开发的实践——药物研究开发知识库的构建

介绍了药物研究开发知识库开发的背景和主要内容,提出了药物研究开发知识库的系统架构和数据模型,分析了药物研究开发知识库的开发与应用环境.     

集对分析方法在数据挖掘中的应用

集对分析是处理不确定问题的一种新方法,近几年来在工程应用、决策支持系统等应用中取得了较好的成果.本文试图利用集对分析理论的基本思想,提出了一种基于集对分析的数据挖掘方法,并通过实例证实了该方法的有效性.     

数据挖掘及在电子商务中的应用研究

企业的竞争优势并不取决于信息的拥有量,而是取决于信息的处理利用能力.如何化信息优势为竞争优势,是企业制胜于市场的一个法宝.本文论述了一种信息处理利用的有效工具--数据挖掘的有关问题及其在电子商务中的应用.     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．     

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。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．