数据聚类方法的研究与分析

聚类分析是近年来迅速发展起来的一种新兴的数据处理技术,它在许多领域有着广泛的应用,尤其是在数据挖掘领域。首先阐述了聚类分析的基本概念和分类,然后针对目前几类主要的聚类分析方法,重点分析了基于密度的DBSCAN算法,基于层次的BIRCH算法以及基于网格的Wave Cluster算法这三种具有代表性的聚类方法,分析了它们的优缺点和时间复杂度。最后提及了聚类分析方法的应用范围以及今后需要解决的问题和发展方向。  

数据仓库与数据挖掘

分析了数据仓库的基本特征，介绍了一种设计数据仓库的参照结构，讨论了数据仓库中的数据挖掘技术，比较了数据仓库技术的几种典型应用。  

数据挖掘中的关联规则在入侵检测系统中的应用

由于知识发现的快速发展,对海量数据分析和处理的技术、能力也日渐成熟。从1999年起,就开始了将数据挖掘技术和入侵检测系统结合的尝试。将数据挖掘引入入侵检测系统的原因是它能够从大量的数据中自动提取出特征和模型,自动维护模式或特征库。系统利用这些大量的特征和数据进行有效的分类,加快处理速度,提高准确度。文章针对网络安全当中的大量的入侵事件,结合数据挖掘中的关联规则的概念,建立特征库及其特征关联,通过审计处理来加强网络入侵检测系统的功能。  

基于数据挖掘的入侵检测研究

阐述了为避免由于使用传统的数据挖掘算法来挖掘审计数据而产生大量的无用规则,利用相关的网络知识和攻击特征来指导数据挖掘算法,可以减少大量的无用规则,提高系统效率.  

关联规则发现技术中的Apriori算法及FP—树算法

在数据挖掘研究中，关联规则发现技术是一个重点研究方向。本文对关联规则发现的Apriori算法及FP－树算法进行了总结介绍，并讨论了它们之间的差异。  

数据仓库技术在决策支持系统的应用

简述了数据仓库，联机分析处理，数据挖掘的概念和技术，提出和实现了一种利用数据仓库技术及其工具，结合传统ＤＳＳ 的四库结构，设计和实现决策支持系统的新方法  

使用BP神经网络模型研究逆向卸荷膜片式减压器的稳定性能

采用数据挖掘中BP(back propagation)神经网络模型来研究逆向卸荷膜片式减压器的结构参数与稳定性能之间的依赖关系,得到结构参数变化,尤其是多结构参数耦合变化下减压器的稳定性结果.其中稳定性对阻尼孔直径、膜片刚度非常敏感,对弹性元件材料的阻尼系数、低压腔有效长度较为灵敏.由此提出减弱振荡的各种措施:增大阻尼孔直径、增大膜片刚度、在一定范围(标准值的6.5倍)内增大弹性元件材料的阻尼系数、增大低压腔有效长度、减小阀芯质量.数值实验误差分析表明:该模型不存在过拟合、局部最优的情况,其预测结果是可靠的,可为减压器的设计和系统分析提供决策支持.而且,该模型对不同类型的数据集具有通用性,可以用来研究其他部件的结构参数与性能指标的依赖关系.  

聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用

采用网格化处理的思想,通过对基于密度的聚类分析方法进行改进,提出了一种新的聚类算法.这种算法通过对齿轮传动系统的故障信号进行测试、对故障类型进行了判定,对不同转速下齿轮传动振动信号进行谱熵计算、并采用网格划分方法将其表示在二维和三维空间分布平面内,可以较好地将正常、裂纹、磨损等类型的故障进行聚类和识别,并通过试验验证表明能够对不同工作状态的齿轮传动信号进行可靠的聚类与区分,聚类率为96%以上.说明该方法对齿轮故障进行区分与诊断是切实可行和有效的.  

分析型CRM的智能信息架构

提出了一种面向客户生命周期价值和基于事件反馈机制的分析型CRM系统设计和实现方法,对目前分析型CRM研究中存在的不足之处进行了相应改进.采用这种方法,减少了决策分析的片面性,增加了系统的可扩展性,并具有较好的灵活性和易用性.  

数据挖掘技术及在民航的应用

本文介绍了数据挖掘技术的由来、定义、常用分析方法和挖掘流程，分析了数据挖掘与数据仓库、OLAP的关系。并简要分析了数据挖掘技术在民航业中的应用前景。