基于云计算与数据挖掘的智能音量调节系统

实现一款Android平台上基于云计算与数据挖掘的智能音量调节系统,该系统集成本地音乐播放、网络流媒体播放、云存储等功能于一体。重点利用大数据分析,收集海量用户数据,经过数据清洗,利用数据挖掘技术,利用Splunk对用户调节音量日志进行处理,分析时间以及地点,分析用户习惯与偏好,智能调节播放音量。     

云计算网络下的安全等级评估模型仿真

构建云计算网络下的安全等级评估模型,提出一种基于模糊集和粗糙集数据挖掘的云计算网络下安全等级评估算法,实现对云计算和云存储的安全综合评估和预测。结果表明,采用该安全等级评估模型,具有较好的数据监测和挖掘能力,有效实现对云计算网络的危险数据和病毒检测,性能较好,保证了网络安全。     

数据挖掘及其在海洋工程中的研究与应用

数据挖掘能够从海量数据中提取出有价值的规律和知识,其在科学研究、金融投资、市场营销、保险、医疗卫生、产品制造业、通信网络管理等行业有着广泛应用。本文介绍了数据挖掘的特点、主要算法,特别是针对21世纪的海洋世纪,研究了数据挖掘技术在海洋信息分析以及在水下机器人故障诊断中的应用与现状。     

移动运营商网络安全管理平台架构分析与探索

全球网络信息化的不断发展,随之而来的各类网络安全问题层出不穷。通过分析移动运营商所面临的各类网络与信息安全实际问题,本文给出了移动运营商网络安全管理平台建设目标、建设原则,提出一个以安全策略为中心,以安全检查为引擎,驱动各项业务功能模块的网络安全管理平台总体架构。该架构包括系统框架、平台功能划分、业务交互流程等的一个完整网络安全管理平台的建设方案。实践表明,采用该方案的移动运营商网络安全管理平台能够解决网络安全管控可量化、安全态势可视化、软硬数据可保障的建设目标。     

无线传感器网络数据挖掘研究

如何从WSN数据中挖掘有用的知识,是WSN数据处理中较为核心的问题之一。WSN数据具有多维度、多层次等流数据特点,传统数据挖掘技术较难直接应用于无线传感器网络,发展能够在线分析和处理无线传感器的数据挖掘技术是至关重要的。本文对现有WSN数据挖掘技术进行了相关对比研究,并且提出了WSN分布式数据挖掘工作流框架。该框架清晰的展示了无线传感器网络流数据分布式处理流程,为处理该类数据挖掘提供一个可行的研究方向。     

基于云计算的数据挖掘平台

将数据挖掘与云计算技术相结合构建基于云计算的数据挖掘平台,通过该平台用户可获得海量数据挖掘与海量数据存储功能,从而可降低数据管理、计算与分析的软硬件成本。     

网络安全数据可视化与自动告警系统研究

为了从海量数据中识别网络安全状况,及时发现网络安全问题,文章提出了一种适用于大规模网络安全数据的实时可视化与自动告警系统。该系统通过实时监控网络安全设备,评估安全状况;通过计算关联权值,评估告警等级,实现自动告警;通过融合网络安全数据,实现网络安全可视化。通过部署验证,该系统能够有效识别分布式拒绝服务等网络攻击,并进行可视化展现与告警。     

离群点挖掘技术在入侵检测中的研究

随着电子商务的迅速发展,越来越多的关键业务已经移植到网络上,网络安全越来越引起人们的关注。入侵检测作为防御体系中的重要组成部分,成为当前网络安全理论的研究热点。将数据挖掘与入侵检测相结合,能够增强入侵检测系统对海量数据的处理能力,使得入侵检测系统具有可扩展性和自学习能力,增强入侵检测系统的检测功能。主要针对离群点挖掘技术在入侵检测系统中的应用展开研究,使传统入侵检测系统具有异常检测能力。     

浅析云模型在定性规则提取中的应用

很多应用中需要对海量信息进行数据处理、动态分析,但目前还无法从大量数据中自动提取定性规则。因此,迫切需要一种能够从海量数据中自动提取有效信息、及动态分析的方法。数据挖掘技术可以实现上述功能,但难以对海量数据空间进行有效划分。本文将云模型应用到数据挖掘领域,克服了传统数据挖掘方法在数据空间划分上的不足,提出一种二维尺度云变换方法,有效地实现了定性规则提取。     

基于Hadoop的海量数据存储系统设计

随着互联网应用的广泛普及,互联网承载的网络数据信息呈爆炸式增长,为了实现对海量的、繁杂的、无序的网络信息数据资源进行智能分析、存储和管理,针对网络海量数据信息高度异构的特点,分析了海量网络数据存储系统体系结构,提出一种基于云计算的网络数据的存储管理系统。运行表明,系统能够高效完成海量数据的管理和分析任务,效率高,系统安全可靠、易维护、具有良好的可扩展性。     

基于Kalman滤波的Web数据流抗干扰挖掘算法

提出一种基于变维Kalman滤波的Web海量数据流抗干扰挖掘算法。构建Web环境下的海量数据挖掘数据流信息模型和噪声干扰模型,结合现代信号处理方法,设计变维Kalman滤波算法进行海量数据流信号滤波预处理,把Web海量数据流映射为一组非线性宽带调频信号模型,采用信号检测算法实现Web海量数据的抗干扰挖掘。仿真结果表明,采用该算法进行Web海量数据信息的抗干扰挖掘,具有较高的数据检测精度和准确挖掘性能,具有较高的抗干扰性和鲁棒性。     

数据挖掘技术及其在医学上的应用

从海量数据中获取知识的新技术——数据挖掘——是一种利用各种分析工具从海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测,更好地支持决策过程。数据挖掘技术在医学领域得到了广泛的应用,对当前医学技术的进一步发展产生了举足轻重的作用,具有广阔的应用前景。     

空间数据挖掘与GIS集成及其在企业客户管理中的应用

如何从复杂的空间数据中发现隐含的、有价值的信息已经成为一个非常迫切的问题:空间数据挖掘和GIS的集成为解决问题提供了一种新的思路。文章结合空间数据挖掘和GIS的特点,提出了GIS和SDM的集成体系结构,在此基础上提出GIS与数据挖掘集成的实例及在企业客户关系管理中的应用。该体系利用GIS的图形显示和空间分析功能,结合空间数据挖掘技术对这个系统中的海量空间信息和非空间信息的处理,从现有的地理信息以及海量数据中挖掘出潜在模式和有用信息,对提高整个企业的自动化水平具有重要的作用。     

基于SOM聚类的电网可视化数据挖掘模型

面对电力系统中海量的多维数据,传统的可视化数据挖掘无法满足空间数据处理的需要,多维数据可视化也不利于用户获取知识。因此提出了基于SOM(自组织特征映射网络)聚类的电网可视化数据挖掘新模型VSDMmodel,模型利用改进的SOM聚类算法对高维电网数据进行降维,提出一种基于颜色映射的可视化方法,对聚类结果进行低维展现,加快了用户对挖掘结果的理解,并且允许用户对结果中感兴趣的区域加以深入分析,实现对电力系统海量数据的可视化挖掘。     

基于移动代理的数据挖掘在数字图书馆中的应用研究

数字图书馆信息具有海量性和分布性的特点,数据挖掘技术可以有效地处理数字图书馆海量数据,但现有的数字图书馆数据挖掘平台不能充分应对信息分布性的挑战.将移动代理和数据挖掘结合则可以较好地满足数字图书馆信息挖掘的要求.实验证明,基于移动代理的数据挖掘平台克服了传统网络计算模式的缺陷,能有效地完成对数字图书馆海量、分散数据源和知识源的挖掘.     

基于中位分割碎片合并的特征挖掘云平台设计

为有效精确地挖掘海量数据流特征,提出采用数据集中位分割和冗余数据碎片合并的方法设计决策树并构建云平台数据特征挖掘模型。传统的云平台下数据挖掘中对碎片信息不做处理,使文本碎片成几何级增长,导致有用信息的丢失。通过挖掘冗余信息中符合挖掘条件的碎片特征,使用KD树进行数据挖掘索引,在迭代过程中,对数据进行层进中位分割,并结合碎片合并技术,构建数据挖掘云平台模型,对中位数进行维度匹配分箱,使数据的挖掘和传输率最大限度地得到利用。仿真实验证明了采用碎片合并的方法能有效提取冗余碎片中的有用特征信息,数据挖掘性能得到大幅度提升,在数据信息提取和管理中具有很好的推广意义。     

基于PMML的电子商务数据挖掘研究

随着互联网技术的发展,电子商务进入了海量数据时代,从这些海量数据里挖掘出有用的模式具有非常高的商业价值。常规的数据挖掘模型会依赖于特定的数据挖掘平台,而目前的数据挖掘平台并不能做到随时随地跨平台交换数据挖掘模型。文章提出基于PMML的电子商务数据挖掘方法,只要数据挖掘平台兼容了PMML规范就可以真正做到跨台平交换数据挖掘模型。文章重点研究了PMML语言是如何表示完整数据挖掘模型,并就某电商平台挖掘潜在客户的数据进行实验并分析实验结果,从而验证了方案的有效性。     

引入自适应转发控制的网络安全态势预测

在云计算环境下大规模网络安全态势预测决定了云数据计算和存储的准确有效运行。传统的网络安全态势预测方法采用灰阶模型人工免疫预测方法,需要给出当前和过去的安全态势值,网络安全管理被动。提出一种引入自适应转发控制策略的大规模网络安全态势预测算法,建立层次化网络安全模型,计算网络安全态势值,引入转发控制机制,控制不同节点传输性能和不同网络环境下的转发条件,求得相邻节点的网络威胁指数,并进行人工免疫进化,得到安全态势预测回归方程,实现安全态势预测。实验结果表明,采用该方法进行大规模网络安全态势预测,能准确预测出攻击强度和安全态势值,预测精度提高,自适应性和实时性能较好,在云计算下大规模网络安全防御等领域具有很好的应用价值。     

基于数据挖掘的入侵检测系统研究

通过逐一匹配的方式检测隐藏在海量信息数据中的入侵行为信息,入侵检测系统极易出现瓶颈效应。本文提出一种基于数据挖掘的入侵检测系统模型,将数据挖掘的思想应用于入侵检测系统的特征数据库建立和海量数据检测算法中,在保证通过入侵检测系统数据源的安全性的基础上,提高了入侵检测系统对海量信息的处理能力。     

基于无缝运输信息网格的并行数据挖掘

铁路运输、公路运输、水路运输和航空运输等系统中积累了大量的原始数据信息,为了有效地从这些异地的海量数据信息中抽取知识给无缝运输管理者提供决策支持,结合网格技术和数据挖掘技术提出了一个基于无缝运输信息网格（STIG）的并行数据挖掘方案。该方案的架构包括四层：用户层、挖掘任务分析和管理层、计算层、数据层。该方案的实现主要涉及数据挖掘算法服务的发现、数据分配和大数据源的分布式处理等技术。