网络入侵分析关联规则挖掘系统设计

关联规则广泛应用于网络入侵检测,以Access2003数据库为基础,实现了关联规则挖掘apriori算法,成功挖掘出网络数据特征项与入侵类型之间的关联规则,能有效地对网络入侵数据进行关联规则分析。     

关联规则挖掘在学生素质测评中的应用

本文介绍了数据挖掘中关联规则挖掘的基本概念和基本算法,并简要介绍了素质测评的概念和方法,展望了关联规则挖掘在中学生素质测评中的应用.     

数据库入侵检测模型的研究

提出了一种数据库入侵检测系统的模型,利用该模型可以对数据库审计数据进行数据挖掘,运用Apriori算法,发现用户的入侵行为.     

基于同组项目集关联规则集排冗方法

关联规则挖掘是数据挖掘领域的一个重要研究课题,目的在于从大量的数据库记录或交易中发现所有频繁出现的项目子集,并以规则形式给出项目子集之间的相互影响关系．但是用传统关联规则生成方法所生成的规则一是数量庞大,二是其中包含许多具有相同意义的规则,这必然对用户理解和提取信息带来干扰．本文通过引入同组项目集概念定义了冗余规则类型,并给出了有效排冗关联规则挖掘算法．     

浅谈数据挖掘在电子商务中的应用

本文介绍了数据挖掘技术在电子商务中的应用,给出了数据挖掘过程中采用的一些主要方法,加深了对客户访问行为的了解,有利于更好地调整站点的结构。对于企业而言,数据挖掘有助于发现业务发展的趋势,帮助企业做出正确的决策,使企业处于更有利的竞争位置。数据挖掘中应用的技术包括经典的统计、近邻、聚类,也包括最新发展起来的决策树、神经网络和关联规则等一些较新的方法。当实际开发一个数据挖掘系统时,究竟应该选择哪种数据挖掘技术,往往是一件很困难的事情。本文结合数据挖掘技术在电子商务中的应用,提出选择数据挖掘技术的两个重要依据,以便开发出有效、实用的数据挖掘系统。     

关联规则挖掘在保险信息管理中的应用

介绍数据挖掘中关联规则技术及关联规则的挖掘步骤,并将其应用到保险公司的信息管理中,找出其内在的关联规则,并举实例验证。     

可视化数据挖掘研究

可视化数据挖掘是指使用可视化技术在大量的数据中发现潜在有用的知识的过程。本文介绍了可视化数据挖掘的概念,目前使用的可视化技术,并建立了可视化数据挖掘模型DVM。最后重点研究了基于关联规则挖掘结果的可视化问题。     

Apriori关联算法在学生教学能力分析中的应用

数据挖掘作为一种新兴的数据处理技术,在社会各领域得到了广泛应用。本文提出将数据挖掘技术应用于高师类学生教育教学能力的分析中。并以我校部分学生数据为对象,运用数据挖掘的重要模式Apriori关联规则进行数据挖掘。发现了影响学生教育教学能力的主要因素及相互关系,为高师类学校学生教育教学能力培养提供了决策依据。     

大型港机结构应力峰值与小车位置关联规则的数据挖掘

通过选取结构的典型测点,建立相应的数据挖掘模型,对大型港机在运行中结构的应力峰值与小车相应位置之间的相互关系进行分析,应用可视化的技术手段,对两者之间的关联规则进行深入挖掘,并通过对支持度、可信度和作用度的计算,衡量挖掘得到的关联规则的有用性和确定性.     

基于过程化考核的学习过程数据关联分析研究

文章提出了一种基于过程化考核的学生学习过程数据关联分析方法,即通过对高校学生学习过程数据的关联分析和分类算法的阐述,并运用数据挖掘技术分析学生过程化考核教学数据之间的关联规律,从而为高等院校的教学改革提供重要参考。     

基于网络入侵监测系统的一种新模型

入侵检测技术IDS是一种主动保护自己免受攻击的一种网络安全技术.它能够帮助系统对付网络攻击,扩展了系统管理员的安全管理能力(包括安全审计、监视、攻击识别和响应),提高了信息安全基础结构的完整性.本文对早期网络入侵检测系统模型的分析上的基础上,提出了一种新型入侵检测模型,从而尽最大可能减少误报和漏报情况的发生,大大提高入侵检测系统的有效性.     

序列模式挖掘在DoS入侵检测中的应用

序列模式挖掘广泛应用于网络入侵检测,运用Weka软件的序列模式挖掘算法对KDDCUP99数据集中的拒绝服务攻击记录进行序列模式分析,得到的频繁序列为开发入侵检测系统提供依据。     

加权关联规则的个性化科研素养挖掘研究

针对高校科研统计数据集,通过探索性的数据分析,提取出主要影响科研素养的影响因子,在对各影响因子的特征选择的基础上,进行特征值的离散化、数据规约和特征构造等方面的分析。考虑到科研素养的各影响因子中,不同影响因子有着不同的重要性的特点,在AprioIi算法思想的基础上,对各影响因子设定权重值,并将加权关联规则算法,引入到个性化的科研素养的发现中,从而挖掘个性化的、有意义的关联信息。实验结果证明：该算法能够更真实地挖掘并发现高校科研素养中个性化的有趣信息和关联规则,挖掘结果可为科研素养的评价提供决策参考。     

基于Apriori算法的船舶交通事故关联规则分析

为有效分析船舶交通事故的潜在因果关系,预防和控制事故的发生,采用关联规则方法对相关数据进行有效挖掘,制定船舶交通事故关联规则挖掘流程,建立船舶交通事故关联规则分析模型.基于Apriori算法对船舶交通事故数据进行关联规则分析,挖掘事故间的强关联规则.对所挖掘出的强关联规则进行分析,发现事故致因因素间的潜在关系,并提出事故防范对策以保障海上交通安全.     

基于Weka平台的不确定数据挖掘

阐述传统关联规则挖掘Apriori算法的基本原理和算法思想,针对只能处理位置已经被精确给定的对象,利用开源Weka平台,通过数据转换,处理不确定数据集,对鸢尾花数据进行测试实验,挖掘出一些有益的关联结果。     

保护私有信息的统计量化规则挖掘

统计量化规则（SQ rule）在数据挖掘中拥有重要和有用的地位。尽管集中式挖掘SQ规则的算法已经存在,但是集中式算法不能简单应用到分布式环境中,尤其涉及到分布式环境中各方的私有信息保护的时候。考虑数据分布共享的多方,在不泄漏各自的私有信息的情况下,合作完成SQ规则的挖掘问题。该问题属于保护私有信息的数据挖掘（PPDM）研究领域的问题。基于3个PPDM的基本工具,包括安全求和、安全求平均和安全求频繁项集的集合等,提交2个算法,共同完成水平划分数据下的保护私有信息的SQ规则挖掘。其中,一个算法安全计算置信区间,该区间用来检验规则的重要性;另一个算法安全挖掘规则。最后,给出算法的正确性、安全性和复杂性分析。     

一种基于聚类的入侵检测新方法

根据目前应用于入侵监测的算法中普遍存在的对输入顺序敏感,无法自适应地确定参数以及需要大量的训练数据等问题,且k-means算法存在初值选取的问题,因而提出一种新的聚类算法进行入侵行为的监测。该方法的优点是对输入数据顺序不敏感以及能够比较准确地选择聚类的初值。实验中采用了KDD99的测试数据,结果表明该方法可以比较有效地检测真实网络数据中的已知和未知的入侵行为。     

港口国监督（PSC）决策支持算法

针对港口国监督(Port State Control,简称PSC)的数据化分析及管理工作还处于初探阶段,尤其是现代数据挖掘理念基本还未引入PSC数据分析等问题,以台湾岛4大港口施行的PSC工作所记录数据信息为背景,基于数据挖掘中关联规则的原理,提出一套现实可行的数据化PSC决策支持算法,并据此算法得出详细的PSC工作指导性建议.在该方法的客观辅助下,可使工作人员的工作效率显著提高;经验不足的PSC工作人员,在没有其他有效信息的辅助下,可依据本算法导出的决策支持清单,找到一条理论上最优化的检查次序.