基于偏微分分类数学模型的关联挖掘改进技术

为了提高大数据的关联挖掘精度,提出基于偏微分分类数学模型的关联挖掘技术,构建大数据分类的数学模型,求得微分方程的半正定最小特征解向量并进行稳定解分析,采用渐进有理积分逼近得到偏微分分类数学模型的规则集约束条件,避免在进行大数据分类过程中的错分和漏分。采用增减量式支持向量机进行数据分类的模糊控制,结合约束捆绑聚类方法实现关联挖掘改进。实证数据测试得出,该方法进行大数据分类和关联挖掘的收敛性较好,迭代次数受到数据规模的约束较小,抗扰动性较强,具有优越性。     

浅析数据挖掘在电子商务中的应用

互联网时代网络技术的高速发展使得信息的发布不再受到太多的约束,使得大数据、信息透明成为时代的标杆,为用户进行各种活动提供了极大的便利,特别是在电子商务领域。数据挖掘通过对当前数据的分析了解较为精确的商务信息,为客户和用户提供满意度高的产品,最大程度地契合用户的需求,提高企业产品在市场上的竞争力和影响力。从数据挖掘在电子商务中的各种应用入手,给读者详细解剖数据挖掘到的各种数据对生产和销售起到的各种作用,从而为数据挖掘在电子商务中的应用发展给予相应的发展。     

基于群体智能的通信网络告警关联规则挖掘算法研究

在移动互联网发展背景下逐渐呈现出海量数据传输特点,同时,在海量数据传输过程中数据深度、广度均得到发展,为此,在数据价值多元化发展领域中,应注重针对信息通信网络运营管理环境中网络告警关联规则挖掘进行分析,然后,在群体智能视角下,优化挖掘算法,满足信息通信网络中数据资源管理需求,打造良好的数据传输空间,提供良好的信息通信网络环境。本文从通信网络告警关联规则分析入手,并详细阐述了挖掘算法的具体应用。     

面向中文微博的评价对象与评价词语联合抽取

深入挖掘微博内容中评价对象与评价词语的词法特征、句法特征、语义特征以及相对位置特征,提出评价对象与评价词语的序列化联合抽取模型。进一步结合微博间转发关系特性提出基于转发关系的联合抽取优化算法。并与相关算法进行实验对比,对实验结果进行了综合分析,证明了方法的可行性和优越性。     

已知网络入侵模式的低匹配度数据信息集挖掘平台设计

在已知网络入侵模式下对低匹配度数据信息集进行挖掘时,缺少对低匹配度数据信息集的处理和分类选取过程,存在挖掘不准确,效率低的问题。设计并实现了一种已知网络入侵模式下对低匹配度数据信息集挖掘平台,介绍了平台的总体硬件结构,利用数据采样预处理模块实现从源数据到挖掘数据的映射,完成离散化、数据过滤等处理过程。依据KC89C72 DIP40FILE分类器进行低匹配度数据信息集的分类,储存到SSRAM中,并以此为基础,通过数据挖掘模块对储存的低匹配度数据信息集进行确认与挖掘。软件设计过程中,对已知网络入侵模式的低匹配度数据信息集挖掘平台进行了详细的分析,并给出低匹配度数据信息集挖掘的实现过程以及程序代码。实验结果表明,该平台的低匹配度数据信息集挖掘准确率、误差率、时间及所需内存均优于传统的Fuzzing平台,具有一定的实用性。     

利用文本挖掘数据检测观念意识重大转变的非参方法研究

通过文本挖掘获得的词频数据对观念意识转变进行测度,利用认知行为特征对观念更新序列进行建模.为了能检测观念意识发生重大转变,采用Monte Carlo实验对两个基于非参的转折点分析方法进行了比较分析.主要发现是:1)根据观念意识转变的认知行为特征所构造的模拟实验,基于CPM框架下的三种非参检验方法,Mann-Whitney检验在检测转变点的功效水平和精确度上要优于Cramer-vonMises和Kolmogorov-Smirnov检验.2)基于偏离测度的非参迭代方法E-Divisive对转变点的检测性能总体上要优于CPM框架下的三种非参方法,但后者可以对容量较小的样本数据进行检测.3)利用文本挖掘,可以将以前只能语言描述的观念意识演进特征进行量化,并用图形分析进行直观呈现,成为一个有价值的实证分析工具.最后对文本挖掘数据作为一种非随机抽样数据,如何保证统计有效性做了补充讨论.     

面向工业物联网的敏感数据流动态挖掘系统设计

基于工业物联网敏感数据流高维、多变导致挖掘结果不理想的问题,设计面向工业物联网的敏感数据流动态挖掘系统。通过计算敏感数据间距离,使用数据流挖掘引擎,设计数据流动态管理机构,构建敏感数据流特征响应函数,聚类分析敏感数据流动态挖掘特征。通过CAN-tree子树剪枝操作,实现敏感数据流的动态挖掘。实验结果表明,该系统聚类程度与理想效果基本一致,且挖掘数据量与实际数据存在最大为4 bit的误差,说明使用该系统挖掘效果较好。     

基于人机协同的漏洞挖掘框架设计

近年来,随着模糊测试的不断发展,模糊测试工具在实际应用上取得了很好的效果,但是现有模糊测试工具容易陷入停滞状态或无法探索某些路径。基于群体智能的思想,提出了一种基于人机协同的二进制漏洞挖掘框架,该框架实现了基于知识图谱描述的个体库、任务自动化拆解和分配模型、并行化Fuzz引擎3个部分。大量实验结果证明,人的先验知识对模糊测试有益,在覆盖率和crash数量上有更好的表现。     

数学建模中的高维数据挖掘技术优化研究

高维数据挖掘由于特征空间占用开销较大,挖掘的复杂度较高,挖掘精度不高,为了提高对高维数据挖掘的准确性能,提出一种基于相空间重构和K-L变换特征压缩的高维数据挖掘数学建模方法。采用集成学习技术,对高维数据信息流进行相空间重构处理,考虑类间的数据不平衡性,求得高维数据的关联维特征参量,根据数据的链距离进行稀疏性融合,计算高维数据流模型的最大Lyapunove指数谱,根据谱分析方法实现数据聚类,对聚类后的数据采用K-L特征压缩方法进行降维处理,降低数据挖掘的内存及计算开销。仿真结果表明,采用该方法进行高维数据挖掘,数据挖掘的准确概率较高,占用内存消耗较少,计算开销较小。     

基于专利跟踪分析国外激光武器发展情况

针对国外激光武器发展应用情况,在全球专利数据库范围内开展美国、德国、英国、以色列等国外专利检索,获取了2017年以后公开的435项专利;基于专利技术构成分析了解到国外从提升激光器功率、合束效率、光束指向精度与速度等方面,突破高能激光武器作战距离、机动目标跟踪和持续作战能力;从专利区域分布分析了解到,美国的技术创新占国外申请总量的61%,且有54.7%的专利受到了政府资助;针对国外重点项目或政府资助专利进行方案剖析,深度挖掘了核潜艇激光武器和炫目激光武器的技术改进方向。通过国外激光武器专利的跟踪与分析,梳理国外技术发展动向,为我国技术发展与风险防御提供信息支撑。