数据挖掘技术在推荐系统的应用

Trajectory_Clustering 应用时空数据挖掘技术来执行轨迹聚类

入侵检测 使用各种数据挖掘技术的入侵检测（KDD Cup 1999数据） 数据集位于 使用的技术： K均值（K = 59） 准确度93.077％ 精确 召回 F1分数 支持 攻击。 0.95 0.96 0.96 250436 正常。 0.83 0.80 0.82 60593 平均/总计 0.93 0.93 0.93 311029 决策树 准确度92.956％ 精确 召回 F1分数 支持 攻击。 1.0 0.91 0.95 250436 正常。 0.74 0.99 0.85 60593 平均/总计 0.95 0.93 0.93 31

针对目前煤矿隐患管理缺乏对隐患数据深入分析的问题,介绍了适合隐患关联规则发现的数据挖掘算法,提出用支持度-置信度-Kulczynski度量模式表达隐患因素间的关联关系。对隐患数据预处理、转换后构建隐患数据仓库,并在隐患责任部门、隐患种类、隐患等级和隐患发生地点4个维度上进行挖掘分析,发现多维度间存在的较强关联规则,给出针对性的辅助决策。现场实际应用表明,通过使用数据挖掘算法,减少了隐患的发生次数,为煤矿隐患治理提供了可靠支持。

Spark在实际的工业生产和实践中已经获得了广泛的应用,但是由于其诞生的时间较晚,版本更新速度慢。现阶段,使用Spark框架在某些具体的大数据场景中能对其挖掘,就要结合原有的模块改写部分功能,发挥其应有的作用。解决大数据挖掘问题的同时,Spark框架由于功能性不足,如进行机器学习库的时候的MLlib里面解决关联新问题的分布式机器学习算法还有不足之处。故此,该文就Spark大数据挖掘技术开展深入的研究,希望能为该领域研究提供参考。

揭秘家用路由器0day漏洞挖掘技术.pdf 仅供用学习交流使用，不可用于商业用途，如有版权问题，请联系删除！

基于mahout的数据挖掘技术课程 共35页.rar

教授的文本挖掘技术课程ppt 包含文本情感分析 特征提取

适合数据分析学习者

基于数据挖掘技术的个性化教学系统的设计与实现