非线性支持向量分类机解的二阶充分条件

优化问题解的二阶充分条件是研究其灵敏度分析的基础,支持向量分类机是新的数据挖掘优化问题.给出了支持向量分类机的解满足二阶充分条件成立定理;定理的假设条件是很弱的,用支持向量分类机求解实际问题,通常总假定这一条件成立;特别地,对线性可分支持向量机问题,其解满足二阶充分条件成为当然成立的事实.     

微生物组学的大数据研究

微生物组学大数据在生态环境、人类健康和疾病研究方面都起到了重要作用。通过数学、统计等数据挖掘方法,从高维复杂数据中提取有用信息,是微生物组学大数据建模和分析的关键问题。本文分析了微生物组学大数据的特点,对当前数据分析和计算研究中存在的热点和难点进行了探讨分析,并综述了当前微生物组学大数据模式挖掘、网络重建与分析的研究概况。     

基于数据挖掘方法的开放骨架磷酸铝定向合成参数分析

开放骨架磷酸铝化合物是多孔晶体材料的一个重要家族。然而,这类材料的合成受到反应原料、凝胶组成、溶剂、模板剂、结晶温度和结晶时间等多个因素的影响。本文以吉林大学“无机制备与合成化学国家重点实验室”建立的开放骨架磷酸铝合成反应数据库为研究对象,采用最大权重最小冗余特征选择算法(Maximum weight and minimum redundancy,MWMR),在充分考虑合成参数自身的重要程度和合成参数之间的相关关系的前提下,分析了溶剂、模板剂等合成参数对于合成含有(8,6)元环结构开放骨架磷酸铝的影响。通过大量实验验证了该方法在开放骨架磷酸铝合成参数分析中的有效性,分析了合成参数对产物生成的影响。实验结果表明模板剂的几何参数、模板剂中C原子和N原子的个数比,溶剂的偶极距等参数可能对于该类结构的合成具有较为重要的影响。     

基于BP.网络的工程投资估算模型

选择δ学习规则、有监督学习方式的BP神经网络模型作为本次应用的模型.对30个案例进行分析研究,挖掘有用的数据,找出影响工程造价的主要特征,并对这些特征按其对应分类定性处理,模拟从定性分类处理后的工程特征到工程造价的非线性映射关系.模型估算误差率在±10%以内,满足投资估算阶段的精度要求.     

针对k-匿名数据的判定树构造算法

数据挖掘问题是提高k-匿名隐私保护模型下数据可用性问题之一.通过分析发现,k-匿名表中准标识符属性值与利用精确表生成的判定树的部分非叶结点的属性值均是通过泛化产生的,根据这一对应关系,本文提出了一种基于k-匿名表的判定树生成算法.该算法直接以k-匿名表作为输入,避免了经典ID3算法运行前的数据准备工作.实验表明,该算法节省了建立概化层次树的时间,并且行之有效.     

基于物联网和SOM算法的信息监控系统设计

在物联网环境下进行信息监控系统设计,实现对网络信息的监控和自适应采集,保障网络安全。针对采用传统的神经网络控制方法进行信息监控的数据挖掘准确性不好的问题,提出一种基于物联网和自组织映射SOM算法的信息监控系统设计方法,首先进行信息监控系统的总体设计和功能模块化分析,然后设计改进的SOM算法,应用在信息监控的数据挖掘和分类识别中,在程序加载模块中进行算法加载,最后在物联网环境下构建嵌入式Linux内核进行信息监控系统的软件设计和开发。系统仿真实验结果表明,采用该信息监控系统进行大型物联网的数据信息监控,对数据的准确挖掘和识别性能较好。     

云计算虚拟现实技术供应链协同系统设计与实现

针对如何保障用户个性化需求的准确度和反馈满意度问题,建立了个性化基于虚拟现实供应链云计算协同管理技术。该技术,首先分析了行业特点和个性化服务特性,同时综合考虑服务时间、成本、用户体验质量等特征,提出了个性化数据挖掘虚拟现实控制机制。其次,基于云计算提出了协同管理控制系统架构,优化用户个性化需求和解决差异化对供应链的影响。与非协同管理方案相比,所提出的协同管理算法将个性化差异对供应链管理的干扰降低25%,保障用户满意度处于较高水平。     

异构式分布下的internet数据挖掘方法优化研究

为了提高异构式分布下的internet数据的利用率,增加internet的多样化使用功能和数据传输率,减少internet运行的时间,需要对异构式分布下的internet数据进行挖掘。当前的数据挖掘方法多是先采用SOM系统的可视化功能对异构式分布下的internet数据进行聚类,然后根据聚类结果的计算完成对异构式分布下的internet数据挖掘。但该方法存在操作过程复杂,internet数据经常性丢失的问题。为此,提出了一种基于本体论的异构式分布下的internet数据挖掘优化方法。该方法首先对异构式分布下的internet数据进行预处理选取出数据特征,并利用特征选择决策系统对挖掘数据进行特征选择,在此基础上利用信息熵实现异构式分布下的internet数据的过滤,过滤过程中通过信息熵数据过滤的理论值减小的变动,得到最佳数据过滤值,最后以预处理中获得的各项数据信息为基础,采用决策树生成算法中的信息增益值的迭代计算结果对异构式分布下的internet数据进行高精度挖掘。仿真实验结果证明,所提方法提高了异构式分布下的internet数据操作的灵活度,增加了internet数据的可循环利用率,使异构式分布下的internet操作更加简洁化、高效率化,为该领域的研究发展提供了强有力的依据。     

关联规则在网络异常检测中的应用

异常检测在网络安全中已成为一个重要的课题,异常检测是入侵检测(IDS)的一种,它对网络及用户正常行为的特征进行描述,并通过对正常网络行为的偏差的比较来实现入侵检测.关联规则是一种典型的数据挖掘方法,可以用来描述事物之间在特定条件下存在的某种强度的联系.通过对网络数据进行采集并利用关联规则数据挖掘的方法描述网络特性,建立了一个有效的网络异常检测系统模型,获得了较好的效果.     

基于相关性度量的关联规则挖掘

传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.