排序方式： 共有6条查询结果，搜索用时 578 毫秒
1
1.
挖掘科学数据是当今数据库系统研究和应用领域内的一个热点问题。聚类是数据挖掘中的核心问题。K-中心算法的执行结果受到初始选择的中心点的影响，而且常常只能终止于局部最优，按照基于密度聚类算法的思想，聚类分析最终的中心点都是很“密的（dense）”点，结合这两种算法，如果初始选择的中心点就是“密的（dense）”点，并且这几个初始的中心点彼此相异度比较大，那就会减少算法执行的时间，并且提高聚类结果的准确度。 相似文献
2.
针对目前入侵检测系统入侵检测准确性低，误报率高，在检测到入侵时只能被动响应，不能采取积极主动的防御措施等特点，提出一个具有自适应、主动响应能力的网络入侵检测和防御系统模型，称为anidp。并详细讨论该模型的体系结构、特点以及实现技术等。 相似文献
3.
首先分析了业务系统的现状，提出了信息孤岛的概念。数据集成是解决信息孤岛的一种有效方式，详细分析了数据集成面临着异构数据源、数据语义冲突、前端可视化等技术难题。最后，提出了使用XML配置文件作为中间模式来解决数据集成中的难题的一种方案，使数据集成工作能有效的解决信息孤岛问题，大大降低数据集成工作的难度。 相似文献
4.
一种适合于科学数据的聚类算法 总被引：2，自引：0，他引：2
聚类是科学数据挖掘中的核心问题.在已提出的聚类算法中大都是基于＂距离＂的概念,这类算法的缺点在于处理数据量大和维数高的科学数据时不够有效,因此提出迭代网格算法.这个算法与基于距离的损法有根本不同,它抛弃了距离的概念,而采取一种新的思路.它不仅能够自动发现包含有趣知识的子空间,并将里面存在的所有聚类挖掘出来;而且它能很好的处理维数高和数据量大的科学数据. 相似文献
5.
提高OLAP查询的性能是数据仓库技术领域的关键性问题。数据仓库建立在通用的数据库系统基础之上时，利用实物化视图实现OLAP查询成为一种切实可行的方案。讨论了在数据仓库以星型模式来组织数据时，如何利用实物化视图来改写OLAP查询语句，从而提高查询效率的方法，并给出了当有多个实物化视图可供选择时的优化选择方法。 相似文献
6.
贝叶斯网络结构学习方法研究 总被引：4，自引：0，他引：4
介绍贝叶斯网络结构学习的两种方法：渐进正确结构学习和启发搜索方法,并重点对最小描述长度测度函数MDL和DGM测度函数进行了分析比较,提出了一个两阶段从数据集中学习贝叶斯网络（BN）结构的有效算法.首先,第一阶段采用以信息论为基础的渐进正确的结构学习方法来有效的搜索可能的网络空间,构造一个候选网络;然后,采用启发搜索的方法来精简这个候选网络.使用这种分两阶段学习的方法比单纯使用一种方法来获取BN结构更精确和有效率. 相似文献
1