一种基于用户浏览行为的数据采集方法

提出了一种基于用户浏览行为的客户端数据采集方法,普通浏览者访问图书馆网络监测系统服务器端网页时,浏览器自动运行嵌入在网页中的JavaScript代码.通过JavaScript代码的运行,普通浏览者与采集中心进行连接和数据传送,实时地采集用户行为数据,实时地统计汇总网站的最新状态数据.该数据采集方法对被监测网站服务器运行效率没有影响,其优点在绍兴图书馆网络监测系统得到了验证.     

基于Map-Reduce的自适应双语短语挖掘系统

对于跨语言信息检索,统计翻译等应用,双语短语都是极其重要的资源.提出了基于自适应模式的双语短语挖掘算法,该算法可以自动的学习当前Web页面的翻译模式,然后利用学习到的模式抽取当前页面中的双语短语.同时,将自适应双语短语挖掘算法与Map-Reduce并行编程模型融合起来,大大提高了系统的运行效率,并且通过实验验证了该方法的有效性.     

Web使用记录挖掘在电子商务网站中的应用

将Web使用记录挖掘技术应用于电子商务网站中．以Web log文件作为数据源,通过聚类算法以及浏览兴趣模式算法实现对用户日志进行挖掘,得出用户浏览兴趣度模式,实现兴趣模式的表示,并最终提供电子商务网站个性化访问服务,很好地改进了电子商务网站的营销策略,有效地促进电子商务的发展．     

基于并行 Apriori算法的电网日志故障挖掘系统

为提升电网系统日志故障诊断效率,在 Spark 环境下,基于并行 Apriori 算法构建分布式日志故障挖掘系统,针对电网系统相关设备后台日志数据,构建频繁项集并挖掘关联规则,形成系统故障规则库,用于系统故障诊断。系统对 50 万条真实日志数据进行检验。结果表明,该系统可有效发现相关故障日志。同时,该系统在 80G 内存、10 个虚拟节点的集群上以 50s 的速度完成了故障挖掘工作,准确率达 90%,同时提升了原单机系统效率,实现了预期效果。     

An empirical study of using sequential behavior pattern mining approach to predict learning styles

The learning style of a learner is an important parameter in his learning process. Therefore, learning styles should be considered in the design, development, and implementation of e-learning environments to increase learners’ performance. Thus, it is important to be able to automatically determine learning styles of learners in an e-learning environment. In this paper, we propose a sequential pattern mining approach to extract frequent sequential behavior patterns, which can separate learners with different learning styles. In this research, in order to recognize learners’ learning styles, system uses the Myers-Briggs Type Indicator’s (MBTI). The approach has been implemented and tested in an e-learning environment and the results show that learning styles of learners can be predicted with high accuracy. We show that learners with similar learning styles have similar sequential behavior patterns in interaction with an e-learning environment. A lot of frequent sequential behavior patterns were extracted which some of them have a meaningful relation with MBTI dimensions.     

基于WebGIS技术的智能公交乘换查询系统设计

针对Dijkstra算法在公交乘换应用领域存在计算量大、实时性不高、网络负载压力大、滞留时间长且乘换不经济等缺陷,基于WebGIS技术提出一种改进型智能公交乘换模型,将乘换次数和乘车前后总站数优先考虑,从而构造出中转站及其线路对应的路线-站点换乘矩阵,获得最优公交换乘线路。     

人流密度在广州中心城区的空间格局

用回归分析方法探讨广州中心城区各功能用地人流密度的分布特征,从一个侧面反映广州中心城区各功能用地强度的分布状况,分析表明,广州中心城区各功能用地人流密度具有明显的层次性的距离衰减特点,且服从负幂函数的衰减规律。市政府、西湖商场一带和南方大厦一带是广州中心城区用地强度最大,社会、经济、文化活动最集中的两个区域,形成双中心集中型的空间格局。     

闭合序列模式的删减更新算法

目前,已经有很多针对数据挖掘更新算法的研究,但大部分的更新算法都只是考虑事务数据库增量更新的情况.实际上,事务数据库数据还存在数据删减的更新问题,为了解决这类问题,提出了一种基于闭合序列模式的更新算法DeCloSpan,该算法对已有的挖掘结果直接进行删减更新,避免了重复挖掘.     

从时序数据库中挖掘频繁部分周期模式的高效算法

从时序数据库中挖掘周期模式是重要的数据任务，而部分周期仅关心所有时间点中的一个子集的周期行为，它在现实世界中广泛存在．本文提出了一个新颖的基于前缀图的挖掘频繁部分周期模式的算法，并通过实验证明了该算法在执行效率上比现有的挖掘频繁部分周期模式的算法有较大提高．     

基于FP-Growth的电力系统故障预测方法

为了提高电力系统中故障预测效率及便捷性,提出一种基于FP-Growth算法的电力系统故障预测方法,无需先验知识及人工标注,便可从海量历史日志数据中快速提取出故障信息模式,并基于实时日志数据对未来可能发送的系统故障进行预测。该方法首先根据电力系统不同类型的日志特征对原始数据进行预处理,然后基于FP-Growth算法挖掘日志中与故障事件相关的关联规则,并使用关联规则进行故障匹配,从而达到预测效果。算法经过真实电力系统日志数据集测试,结果表明该故障预测方法平均准确率为89.5%,平均召回率为79.8%,且执行效率较高,节省了业务人员50%以上的时间。     

对人脸识别特征数据降维算法的优化

在模式识别领域,人脸特征数据相对庞大,为了提取人脸主要的特征数据,提高识别系统的运行效率,对特征数据的降维是必须的操作。针对现有降维算法对识别率有较大影响的问题,本文总结了各类降维算法,提出了一种优化的降维算法。     

一种基于模式矩阵的Apriori改进算法研究

针对经典的Ap606算法耗费大量的时间和空间的特点,提出基于模式矩阵的关联规则算法。该算法扫描数据库次数为一次,降低了挖掘的时间复杂度;扫描后的数据库以矩阵形式存放,减少空间复杂度。并应用具体事例进行验证,对效率进行了比较。     

一种基于事务一项矩阵改进的FP—Growth算法

FP—Growth算法是关联规则挖掘的一个经典算法。本文提出一种基于事务一项矩阵的挖掘算法MFP—Growth算法,利用向量矩阵表示事务数据库,整个挖掘过程只扫描一遍数据库,通过构造各个频繁项的条件矩阵,利用条件矩阵的向量运算来进行频繁模式的挖掘,减少了算法占用的内存空间,提高了挖掘效率．实验结果表明,MFP—Growth算法是有效可行的．     

关联规则挖掘算法在货运管理中的应用

信息时代来临,企业普遍使用信息系统。想在激烈竞争中保持行业领先,就必须对业务数据进行深层次的分析和挖掘,提炼出其中有用的决策信息。文章设计CMM(Cargo Manage Miner)挖掘模型主要是针对物流领域中货运企业的业务进行数据挖掘的。     

E—Leaming数据挖掘：模式与应用

随着教育信息化的快速发展特别是数字化校园和网络高等教育的日益普及,教育领域中部署了众多的软件系统．在这些软件系统中存储着海量的教育数据。如何利用这些教育数据,使这些数据转变为信息、知识,并为教育决策、教学优化服务。可从E-Learning数据挖掘中找到一些答案。文章系统梳理了国内外E—Learning数据挖掘的研究进展．并采用格语法分析方法对“E—Leaming”的关键要素和过程进行分析,提出可以“谁在学、学什么、怎么学、学得如何”这一系列问题为主线。开展E—Learning数据挖掘工作,从而获得对E—Learning现状的更加完整的认识。在尝试回答“谁在学、学什么、怎么学、学得如何”的过程中,分解出三类挖掘任务情境即用于回答“谁在学”的学习者特征挖掘。用于回答“学什么、怎么学”的学习过程挖掘以及用于回答“学得如何”的学习结果挖掘．并对应地构建出三种数据挖掘模式。对模式的应用结果表明,这三种数据挖掘模式在E—Learning要素和过程分析中是有效的．较好地拓展了对E—Learning关键要素认识的完整性。包括对“谁在学”有了更全面的认识、对“学什么、怎么学”有了更准确的认识和对“学习的结果如何”有了更深入的认识。     

基于决策树的日志分析方法

为了解决服务器运行过程中由于性能故障造成服务质量下降的问题,提出一种基于决策树的日志分析方法,以服务器日志文件中记录服务器关键性能指标的数据为研究对象,利用决策树中常用的ID3、C4.5和CART 3种算法预测服务器未来性能指标发展趋势。实验结果表明,在实际运行过程中,C4.5算法对服务器性能指标数据预测的准确率和召回率最好,分别达到了92.23%和95.37%,在3种决策树算法中拥有最高的准确率与召回率,且相比传统开发人员从日志文件中寻找故障的方法,准确率提高了20%左右,因此能够更好地预测服务器系统性能指标发展趋势。通过该方法可提前感知系统运行状况,并及时作出调整,从而有效降低实际生产过程中服务器故障发生概率,提高服务质量。     

Teachers’ sources of knowledge for field trip practices

Teachers draw from many personal and professional experiences when organising and leading field trips. In order to identify the influences on teachers?? field trip practices, I used surveys, interviews, artifacts and observations gathered from teachers who led trips to an aquarium. Findings clarified the types of influence and the impact that these influences had on practice. For example, teachers adapted knowledge acquired for use in their field trips from four types of training (1) informal mentoring, (2) past experience on various trips, (3) various outdoor education training and (4) traditional classroom education training. A focus was the nature of each of these training types and how teachers acquire and adapt their knowledge. Previous research has shown that, while a variety of cognitive and affective outcomes often results from field trips, there is also a pattern of underutilised resources and missed learning opportunities during trips. This study offers insight regarding strengths and weaknesses of teachers?? preparation for leading field trips by documenting how and what skills are learned and applied. Therefore the findings presented here are suggestive of ways in which efforts to formally support and enhance teachers?? trip-leading skills by means of professional development might build on teachers?? existing sources of knowledge.     

一种新的闭合环自动搜索算法

在测量控制网数据自动化处理过程中,搜索闭合环是平差程序设计首先要解决的问题.探讨最小独立闭合环自动搜索的一种新算法——"余枝搜索法",并提出"正向搜索,反向提取"的方法来解决在搜索时不易记录路线的问题.基于MATLAB编写闭合环自动搜索的函数,经过实践验证,该算法切实可行.     

基于数据挖掘的三层入侵检测模型研究及应用

本文针对现有入侵检测系统的不足，根据入侵和正常访问模式各种不同的网络数据表现形式以及特定数据分组的出现规律。提出分层的网络检测模型，并在各个检测层建议运用不同的数据挖掘方法代替人工方法抽取入侵特征，以达到提高检测速度和克服人工抽取入侵特征的主观性目的。其中运用的数据挖掘算法主要有：关联挖掘、数据分类。     

基于数据挖掘的高校教学决策支持系统设计

为了充分有效利用高校教学管理工作多年来积累的大量数据,采用数据挖掘技术从中挖掘出有价值的信息,为学校教学管理提供决策支持,设计了一个专门的高校教学决策支持系统.该系统基于数据挖掘及数据仓库技术,采用C/S/S和B/S/S模式的三层体系结构,使用关联规则、决策树、聚类等方法对高校数据进行分析.通过基于预处理的改进Apriori算法在教学评价中的应用为例,说明数据挖掘过程,分析挖掘结果.