Weka

摘要： 本文为研究数据挖掘技术在学生体质健康分析中的应用,以某大学2020年体质测试数据为例,基于Weka软件分析并提取了隐藏的体质测试原始数据中的各种潜在关系,这些关系和数据库中的实际数据高度一致且通过分类规则的预测结论。研究认为数据挖掘技术应用于学生体质健康方面具有一定的可行性和有效性,并可以为学生体质数据分析和健康管理等实际工作提供科学的理论支持。

摘要： 检测行业发展高速,竞争激烈,为提高客户粘性,进行精细化营销日趋重要。主要研究了基于WEKA平台聚类分析的检测客户的消费。首先,对客户的消费行为从金额、时间、月份及频次4个维度进行区分;其次,运用肘部法,通过簇数k与误差平方和SSE的关系得到最优簇数;最后,根据WEKA平台聚类分析K-Means算法进行分析。结果表明,客户可分为高消费客户、高频客户与普通客户,针对不同客户群体的特点,可以指定出不同的策略与客户进行沟通,精准满足客户要求,从而改进实验室服务模式,提升检测服务质量。

摘要： Network management and multimedia data mining techniques have a great interest in analyzing and improving the network traffic process.In recent times,the most complex task in Software Defined Network(SDN)is security,which is based on a centralized,programmable controller.Therefore,monitoring network traffic is significant for identifying and revealing intrusion abnormalities in the SDN environment.Consequently,this paper provides an extensive analysis and investigation of the NSL-KDD dataset using five different clustering algorithms:K-means,Farthest First,Canopy,Density-based algorithm,and Exception-maximization(EM),using the Waikato Environment for Knowledge Analysis(WEKA)software to compare extensively between these five algorithms.Furthermore,this paper presents an SDN-based intrusion detection system using a deep learning(DL)model with the KDD(Knowledge Discovery in Databases)dataset.First,the utilized dataset is clustered into normal and four major attack categories via the clustering process.Then,a deep learning method is projected for building an efficient SDN-based intrusion detection system.The results provide a comprehensive analysis and a flawless reasonable study of different kinds of attacks incorporated in the KDD dataset.Similarly,the outcomes reveal that the proposed deep learning method provides efficient intrusion detection performance compared to existing techniques.For example,the proposed method achieves a detection accuracy of 94.21%for the examined dataset.

摘要： 运用机器学习方法及时准确识别目标作战意图,对于智能化战争中的军事指挥决策十分重要。相较于其他目标意图识别方法,随机森林算法具有抗噪声性能良好、数据集适应力强、训练速度快和实现简单等优点。采用集成学习思路,基于随机森林建立目标意图识别模型,并选用2015年全国研究生数学建模竞赛A题中已知意图的15批空中目标数据,通过WEKA软件提供的随机森林算法分析构造随机决策树,使用留一法检验识别性能,选取合适的算法参数,分析判断出未知意图的12批空中目标的作战意图。运算结果表明随机森林在测试集上的识别精度为83%,高于通过留一法验证的精度,也高于其他6支参赛一等奖获奖队伍的精度。最后通过与其他参赛获奖队伍算法的结果进行对比,逐一分析不同算法对不同意图的精度和召回率,寻找误差原因,得出随机森林是一种简便、快速、高效算法的结论,其识别准确度较其他算法具有一定的优势。

摘要： 本文应用数据挖掘软件Weka,对北京大学2015年在Coursera平台上线的一门课程中学员的网上学习行为数据进行了相关分析。对全体学员和有学习成绩的学员的学习行为分析结果均表明:学员的学习成绩与课程网页浏览次数、平时测验总成绩、论坛发帖数、论坛回帖得票呈正相关关系。对无学习成绩的学员学习行为分析结果表明:他们的论坛讨论参与度不高,不重视平时测验。出现这个现象的原因可能是他们不关注考试成绩和证书,只关注学习过程。基于以上数据挖掘结果,为了取得较好的教学效果,我们建议MOOC课程应该积极引导学生参与论坛的发帖,重视课程网页和课件的设计,同时可考虑改进平时测验的内容和方式,关注学习者的需求,以便引起学员注意,让学员积极主动地完成测验。

摘要： 糖尿病是一种比较常见的慢性疾病,并且存在较长的无症状阶段。本文主要介绍了机器学习中的5种分类算法,分别是朴素贝叶斯、支持向量机、逻辑回归、决策树和集成分类器Random Forest,并在Weka数据挖掘平台上,对糖尿病数据进行挖掘分析,根据混淆矩阵、Kappa系数、ROC曲线、均方根误差以及相对绝对误差这几个性能指标对分类器效果进行分析,找到最适合糖尿病疾病预测的算法,为当今医疗行业其他疾病数据的挖掘分析提供思路。

摘要： 为应对大数据时代海量监测数据处理带来的挑战,对机器学习在无线电监测领域的应用现状进行了梳理,调研了4款机器学习领域的主流工具,并使用WEKA进行了短波监测数据调制方式分类的机器学习.

摘要： 针对某煤矿压风与制氮系统自动化程度低、无法满足智能化建设要求的问题,提出了在线集控系统设计方案,详细介绍了系统的控制方法和控制流程,利用OPC UA与WEKA平台技术,进行了短时供气压力需求时间序列预测,同时新地引入煤矿安全监控系统传感器数据,为煤矿井下防灭火灾提供了重要保障.实际运行表明,该集控系统能够满足压风与制氮机在线自动控制的要求,并且能够根据短时供气压力需求预测,来平衡压风机供气压力与运行时间,起到均衡管路压力、提高设备使用寿命的作用.

摘要： 糖尿病是一种比较常见的慢性疾病,并且存在较长的无症状阶段.本文主要介绍了机器学习中的5种分类算法,分别是朴素贝叶斯、支持向量机、逻辑回归、决策树和集成分类器Random Forest,并在Weka数据挖掘平台上,对糖尿病数据进行挖掘分析,根据混淆矩阵、Kappa系数、ROC曲线、均方根误差以及相对绝对误差这几个性能指标对分类器效果进行分析,找到最适合糖尿病疾病预测的算法,为当今医疗行业其他疾病数据的挖掘分析提供思路.

摘要： 本文应用数据挖掘软件Weka,对北京大学2015年在Coursera平台上线的一门课程中学员的网上学习行为数据进行了相关分析.对全体学员和有学习成绩的学员的学习行为分析结果均表明:学员的学习成绩与课程网页浏览次数、平时测验总成绩、论坛发帖数、论坛回帖得票呈正相关关系.对无学习成绩的学员学习行为分析结果表明:他们的论坛讨论参与度不高,不重视平时测验.出现这个现象的原因可能是他们不关注考试成绩和证书,只关注学习过程.基于以上数据挖掘结果,为了取得较好的教学效果,我们建议MOOC课程应该积极引导学生参与论坛的发帖,重视课程网页和课件的设计,同时可考虑改进平时测验的内容和方式,关注学习者的需求,以便引起学员注意,让学员积极主动地完成测验.

摘要： 本发明提出了一种基于Weka软件的专家系统知识获取方法，通过创建知识库，使用Weka软件对样本进行规则提取和验证，存入专家系统知识库中，供专家系统诊断。所述方法能够实现专家系统知识规则的自动获取，实现专家系统知识库的实时更新；知识获取可靠，适用性强，可以对各种类型的数据选择合适的数据挖掘方法进行规则提取。

摘要： 本发明公开了一种基于weka接口的分布式机器学习方法及其实现装置，属于互联网技术领域。所述方法包括数据预处理、特征提取和weka格式文件的本地训练，最后云计算平台进行线上海量数据分布式测试，生成最终检测结果。所述的实现装置包括解析模块、训练模块和测试模块。所述的解析模块包括数据预处理子模块和特征提取子模块。本发明采用机器学习分布式处理，缩短了整个机器学习过程的时间；扩展了weka的应用范围，实现了从单机模式到分布式模式的转变；本发明将机器学习过程和扩展到分布式模式的weka巧妙结合，达到良好的机器学习的效果。

摘要： 本发明公开了一种基于weka接口的分布式机器学习方法及其实现装置，属于互联网技术领域。所述方法包括数据预处理、特征提取和weka格式文件的本地训练，最后云计算平台进行线上海量数据分布式测试，生成最终检测结果。所述的实现装置包括解析模块、训练模块和测试模块。所述的解析模块包括数据预处理子模块和特征提取子模块。本发明采用机器学习分布式处理，缩短了整个机器学习过程的时间；扩展了weka的应用范围，实现了从单机模式到分布式模式的转变；本发明将机器学习过程和扩展到分布式模式的weka巧妙结合，达到良好的机器学习的效果。

摘要： 本实用新型公开了基于weka的桥梁健康监测装置，其结构包括监测传感器主体、导线接口和传感座、快速拆装机构和升降机构，本实用新型通过在监测传感器主体底部设置了快速拆装机构，安装监测传感器主体时，首先将监测传感器主体放入放置座顶部，同时监测传感器主体将扣件推入扣槽内，通过在放置座顶部设置了挡板，使挡板对监测传感器主体进行限位，防止监测传感器主体在放置座顶部放置不稳摔落进而造成损失，在监测传感器主体放在放置座顶部时，监测传感器主体通过自身的重力将安装座压进凹槽内，同时弹簧受力收缩，使扣件固定在扣槽内侧，从而使监测传感器主体固定，拆装便捷，为使用者提供了便利。