基于弱关联挖掘的网络取证数据采集系统设计与实现

对海量网络日志和服务器数据进行数据挖掘,获取网络取证,在分析犯罪证据方面具有较大的应用价值。传统的数据采集系统,主要增加对网络取证数据进行滤波处理模块,增加采集系统采集的准确率,存在采集时间长、效率低的问题。提出基于弱关联挖掘的网络取证数据采集系统设计方法,对网络取证数据采集系统的总体设计描述与技术指标分析。并以此为基础,设计基于弱关联规则特征提取的网络取证数据挖掘算法,实现网络取证数据的准确检测和采集。在嵌入式Linux平台上进行网络取证数据采集系统的软件开发和系统设计。实验结果表明,采用该系统对网络日志和服务器数据中犯罪证据进行取证采集,其可靠性较高,取证数据采集精度高于传统方法,展示了较好的应用价值。     

数据挖掘在温室大棚上的应用研究

随着物联网的兴起,数据的积累速度、维度以及体积等也越来越大,成了真正的大数据范畴。在农业温室大棚中部署的大量各种各样的传感器产生了大量多源异构的传感数据,而且这些数据中存在需要清洗的各种脏乱数据。本文按照数据清洗,模型构建和模型应用三个部分进行详述,首先介绍数据清洗技术和多源异构数据的融合技术,然后列举了常见的预测模型构建方法并分别指出了每种方法的适用情况,最后对常见的应用领域进行了综述和总结,并提出了目前还存在的问题,以及对未来的展望。     

基于数据挖掘技术的瓦斯气体红外光谱定量分析方法的研究

瓦斯气体的监测是影响煤矿安全的重要因素之一,对其的在线实时监测成为煤矿安全的重要保障。本文采用红外光谱分析技术,对瓦斯气体的红外定量分析算法进行了研究。为提高模型分析精度,将数据挖掘技术应用在分析算法中。通过增加基于K平均非分层聚类分析对数据进行处理发现,带聚类分析的偏最小二乘算法比单纯采用偏最小二乘算法在精度上明显占优。另外,为减少模型中个别定标样本误差对精度的影响,采用聚类分析的方式进行了数据预处理,发现这种去噪方法在分析精度上又有所提高。     

矮新星候选体的自动搜索研究

美国斯隆数字巡天望远镜已经发布了第9期数据。这些海量的天文光谱数据除了可以用来进行大样本的研究,如探寻银河系的结构和进行多波段证认外,还蕴藏着稀少和特殊的天体,其中就包括矮新星。矮新星是激变变星中所占比例最高的一个亚型,发现更多的矮新星样本对于研究密近双星的演化和参数有积极的意义。目前针对激变变星这类稀少天体的发现主要使用测光粗筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现矮新星候选体的需要。本文提出一种适用于在海量光谱中自动、快速发现矮新星的方法。该方法针对SDSS的DR9数据,先使用支持向量机约束主分量分析进行降维,确定特征空间的维数,然后再使用训练后得到的最优分类器对海量光谱进行自动识别,寻找矮新星候选体。实验共发现了276个矮新星,其中6个是未被收录的新的源,表明了该方法的有效性,为在海量光谱中快速发现稀少和特殊天体提供了有效途径。实验中发现的新结果补充了现有的矮新星模板光谱库,可以构造更准确的特征空间。本方法也可用于在其他的巡天望远镜如郭守敬望远镜的海量光谱中进行特殊天体的自动搜索。     

SDSS-DR8中激变变星候选体的数据挖掘

提出一套适用于在海量光谱中快速发现激变变星的方法。针对SDSS发布的DR8数据,尝试流型学习方法在海量光谱数据挖掘中的应用。首先使用非线性局部线性嵌入方法(LLE)对海量光谱数据进行降维,然后使用人工神经网络对低维数据进行分类,最后对较少数量的候选体进行人工证认。实验共发现了6个新的激变变星候选体,并与传统的PCA方法进行了比较,验证了LLE方法在天文数据挖掘中的可行性。     

粗集理论中等价关系的交与并运算

粗集理论是当前计算机学科中的一个热点问题,它应用于数据挖掘等领域,等价关系是粗集理论中的一个重要概念,本文主要研究了等价关系的交并运算,建立了等价关系对于交并运算的代数结构。     

多媒体文本数据的模式挖掘方法

给出了多媒体文本数据挖掘（MTM）的定义和分类,提出了多媒体文本数据挖掘过程模型（MTMM）及其特征表示,讨论了多媒体文本类挖掘方法,MTM与Web挖掘的区别与联系,以期发现有用的知识或模式,促进MTM的发展和应用。     

晶振加速度敏感性矢量计算及耦合机理研究

针对晶振减振降噪设计的应用需求,从理论上阐述了振动敏感性研究的必要性,确定了一种适用于工程需要的定义、表征和测量方法,从数据挖掘的角度研究了各种输入条件对晶振电气性能的影响。并编制了相应的算法来进行求解,搭建了晶振相位噪声测试系统,发现了一些新现象,最终通过晶振振动实验验证算法的合理性。     

云计算在保险公司信息化中的应用

云计算被提出后,得到了迅速发展,国外很多金融投资公司开始采用云计算,并阐述了重要的大规模金融数据的云计算框架.特别分析了中国保险公司的数据处理的特点以及中国金融市场金融数据的处理复杂度,由此说明不但要求处理方法复杂,非线性明显,且数据交互性以及回滚几率以及标准异常几率都特别大.这些都适合引入云计算架构.在此基础上,根据实际调研和目前的市场情况提出了适合中国保险公司信息化建设的云服务框架,它充分利用云计算的特点,兼顾保险公司的实际情况,以需求为导向,能够充分而有效减少人力物力的浪费,满足金融界人士对计算力量的庞大需求.     

改进退火遗传算法在SQL数据挖掘参数优化中的应用

针对SQL数据挖掘在复杂动力学系统故障诊断中的模式分类问题,以决策树参数优化为例,开展SQL数据挖掘分类算法参数优化研究。目前数据挖掘中的各类算法参数往往根据经验值设定,预测精度不高;只用遗传算法进行参数优化,分类预测结果容易发生振荡和早熟现象。采用改进的退火遗传算法对SQL数据挖掘中的决策树算法参数进行优化,解决了人工经验设置参数效率低下、精度不高的问题,同时实现了全局搜索,快速收敛到全局最优解。