秦永俊
- 作品数:7 被引量:47H指数:4
- 供职机构:桂林师范高等专科学校更多>>
- 发文基金:广西高等学校科研项目更多>>
- 相关领域:自动化与计算机技术航空宇航科学技术文化科学更多>>
- 一种小区域分类关联的高冗余空间挖掘算法被引量:5
- 2013年
- 传统的关联规则挖掘技术过于依赖数据之间的关联属性,造成挖掘算法在高冗余知识空间关联规则不明显或者较弱的情况下挖掘耗时。本文提出一种应用与高冗余知识空间的优化数据挖掘算法。该算法首先找出最大频繁项集和频繁1-项集进行区域分类,然后利用已有频繁项集找出所有的其它频繁项集,去除冗余关联环境,节省了计算频繁项集的时间,节约了存储空间,使算法的效率得到提高。仿真实验结果证明了改进算法的可行性和有效性。
- 秦永俊
- 关键词:关联规则频繁项集向量运算最大频繁项集
- 数据挖掘在CRM中的应用设计被引量:15
- 2004年
- 讨论了在客户关系管理 (CRM)中用于客户细分和建立客户轮廓的数据挖掘技术。首先指出 CRM的概念和分类 ,然后分析了几种数据挖掘方法 ,最后提出面向 CRM的数据挖掘应用设计。
- 秦永俊
- 关键词:客户关系管理数据挖掘CRM决策树神经网络
- 有色金属交易信息特定属性挖掘算法研究
- 2016年
- 有色金属交易网络系统中,需要对交易信息的特定属性信息进行准确挖掘,从而提取有用的信息特征,促进网络安全和管理效率。提出一种基于语义文本信息融合的有色金属交易信息特定属性挖掘算法。对交易信息的特定属性数据集进行特征空间重构,在重构的特征空间中进行语义文本信息融合,实现特征数据属性特征提取和准确挖掘。仿真结果表明,该挖掘算法效率较高,准确度较好。
- 秦永俊
- 关键词:语义数据挖掘
- 改进的NetLinX开放网络动态入侵检测方法被引量:15
- 2017年
- 针对当前时频特征检测算法的检测准确概率较低,网络入侵信息的检测准确性不高,提出基于经验模态特征分解和功率谱密度特征提取的NetLinX开放网络动态入侵检测算法.通过对NetLinX开放网络模型分析和动态入侵信号模型的构建,实现网络动态入侵信号的经验模态特征分解,将网络入侵的动态信号分解成若干个IMF分量之和.对分解的NetLinX开放网络动态入侵信号进行功率谱密度特征提取,完成对入侵特征的波束聚焦检测,实现NetLinX开放网络动态入侵信号的检测过程.仿真结果表明,采用该算法进行网络入侵检测的准确概率较高,抗干扰性能较好,实时性较强.
- 秦永俊唐增明
- 关键词:动态入侵
- 基于ASP的文件上传系统的设计与实现被引量:8
- 2009年
- 分析了文件上传系统的程序流程,对实现文件上传系统的关键技术进行了讨论。在网站中实现文件上传功能,需要使用第三方提供的文件上传组件ASPUpload的内部对象、ASP的文件存取组件的内部对象以及ASP的数据库存取组件ADO的内部对象。综合利用系统的各种编程方法和技巧,可以设计出符合用户需求的各种动态网站。
- 邹于丰梁霄波以绘秦永俊
- 关键词:文件上传ASPACCESS数据库
- 信息化导学平台下计算机基础课程教学改革与创新被引量:4
- 2016年
- 计算机网络技术的发展和软件开发行业的盛兴,催生了高校计算机基础课程教学研究的不断深化发展。当前高校计算机基础课程教学在普及教育、专业教育和技术教育等方面还不能有效满足当其计算机技术发展的实际需求,存在着教学内容和课程配置体系不合理、师资力量薄弱和教学实践手段单一等问题,在信息化导学平台下进行计算机基础课程教学的改革与创新,开展信息化网络课堂教学,采用引导型教学法组织方法,构建做、学、教一体化教学模式,提高计算机基础课程教学的系统化建设,促进教学课程在学生应用实践环节中的能力生成,提高学生应用计算机知识处理实际问题的能力素质。
- 秦永俊
- 关键词:计算机基础课程教学改革
- 移动计算环境下远程用户体验数据挖掘方法研究
- 2017年
- 在移动计算环境下,通过对远程用户的体验数据优化挖掘,满足远程用户的个性化需求,提高对远程用户QoS服务质量;传统的数据挖掘方法采用显著特征关联信息提取算法,当远程用户体验数据之间的差异性特征不明显时,挖掘的准确性不好;提出一种基于关联用户自适应链路跟踪补偿的移动计算环境下远程用户体验数据挖掘模型,进行远程用户体验数据挖掘模型的总体设计和数据结构特征分析,对采集的远程用户体验数据进行非线性时间序列分解,对数据序列通过自相关特征匹配和特征压缩实现挖掘数据的指向性信息优化提取,采用关联用户自适应链路跟踪补偿方法实现对数据挖掘误差的控制和补偿,提高了数据挖掘的准确性和有效性;仿真结果表明,采用该挖掘方法进行移动计算环境下远程用户体验数据挖掘的准确度高,实时性较好,满足了移动远程用户的个性化需求,提高了对用户服务的针对性。
- 秦永俊
- 关键词:移动计算数据挖掘QOS