基于数据站场的系统效能评估决策支持方法

随着信息技术的发展,系统信息量的提升给军事系统效能评估带来了新的问题。针对系统效能分析数据非线性、高维数、强耦合的特点,提出了一种基于数据站场技术的效能评估决策支持方法。通过数据恢复、约减、求精与重构操作,对评估数据进行了处理,并搭建了数据站场立方体,降低了数据间的依赖性,满足了不同层面系统分析的需求。以面向任务的网络化火控系统的为例,进行了系统效能评估、时效性评估和指标分析,从三个层次验证了方法的有效性与可行性。将数据挖掘技术应用到仿真系统效能评估决策中,获得了更广泛的应用。     

数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。     

基于教育数据挖掘的学情数据分析研究

大数据时代，教育数据的价值正在被广大的教育研究者重新认识和评估。因此，采用教育数据挖掘方法进行数据分析，让数据发声，指导教学。研究通过数据特征分析、聚类分析、相关性分析和社会网络分析四个角度展开。结果表明：该高校网络课程中，大部分学生能够保证课堂任务的完成；课程群体划分为优秀学习者、普通学习者和风险学习者三类；课堂内相关学习因素之间呈现一定正相关性，但是网络课堂行为与线下考试之间并没有直接相关性；讨论区中呈现教师为中心的“问题式”讨论。     

邀请论文：大数据挖掘创新的新思路

以计算机为主的现代手段,在数据挖掘中虽然取得了很大成功,但是与现实的需求相比,仍有巨大的差距。大数据挖掘创新将是一个永恒的主题。吴文俊院士创造的计算机算法“吴方法”,是汲取中国传统科学思想方法精华的瑰宝,不仅开辟了定理机器证明的科学新方向,而且还创造了大数据挖掘的新方法。“吴方法”显示了传统科学方法与计算机主导的现代手段相结合的巨大威力,必将对大数据挖掘创新产生不可估量的影响。本文还通过深入分析一些重大科学发现,如行星运动三定律、DNA双螺旋结构等案例,探讨了传统科学思想方法对大数据挖掘的重要启示。     

数据挖掘技术

本文较全面的综述了数据挖掘技术的概念、流程、主要作用以及所面临的问题,重点强调概念的清晰和目前所面临的问题,以期对数据挖掘在指挥控制系统中的应用有所借鉴。     

基于数据挖掘的我国船舶工业发展现状分析研究

将因子分析法和聚类分析法相结合,准确测定出我国各地区船舶工业发展的现状,对制定我国船舶工业经济发展规划,缩小各地区船舶工业发展的差异具有重要意义。     

多媒体数据挖掘中数据间的相似性度量研究

聚类是多媒体数据挖掘的重要任务之一,数据之间的相似性度量是聚类的基础和前提。多媒体数据的特征矢量通常都是数十维甚至数百维的,但传统的相似度量方式一般只适用于低维数据。在分析高维数据特性的基础上,提出了一个新的度量方式。通过使用一个特定的策略对原始数据空间进行网格划分,该方法较好地避免了噪声数据对高维数据相似性度量的影响。实验证明此方法是有效的。     

入侵检测中频繁模式的有效挖掘算法

在基于数据挖掘的入侵检测系统中,为了在海量审计记录中有效地提取出相关规则,需要通过利用与入侵检测相关的特定领域知识。首先对关联规则挖掘问题中的相关概念给出几个规范化定义,介绍了基本的关联规则和情节规则挖掘算法,然后结合审计记录的特点,考虑其轴属性和参照属性以及规则兴趣度,对基本挖掘算法中的候选项目集产生函数进行了改进。分析结果表明,利用规则兴趣度能够大大减小候选项目集的大小,有效提高频繁模式挖掘算法的效率。     

基于数据仓库的数据挖掘技术在指挥控制系统中的应用

介绍了数据仓库和数据挖掘的概念、数据挖掘的过程和方法,简单分析了现代战争中信息处理的特点和需求,阐述了数据挖掘在军事指挥控制系统中的应用必要性,提出了军事应用中数据挖掘系统的层次体系结构,并针对该层次体系结构进一步提出了指挥控制系统中数据挖掘技术的应用模型.     

基于参考度的有效关联规则挖掘

针对当前关联规则挖掘采用的支持度-置信度框架在具体应用中存在的问题,引入新的指标--参考度对模型中关联规则挖掘算法评价体系进行改进.实验表明,通过引入参考度,能够提高挖掘有效规则的效率.