简介：
简介：摘要本文提出一种数据流中利用异种分类器集成进行入侵检测的算法设计。该算法中，我们利用距离当前较近的四个不同时间段数据学习生成四中不同的分类器。根据各个分类器在新到达数据上的的F-度量以及分类准确率计算它们的权重，进而加权平均检测数据流当中的入侵行为，同时调整滑动窗口中的基本窗口，不断更新模型。
简介：摘 要 本文提出一种集成贝叶斯分类器的数据流入侵检测模型，目的是在适应概念漂移的前提下，利用多个时间段的数据学习生成多个贝叶斯分类器，检测入侵行为。为了提高分类器的构建速度和准确率，可以使用卡方检验先对数据进行特征缩减等预处理，达到优化目的。
简介：摘要：随着云时代的来临,大数据受到更多人的关注.如果教师将大数据运用到中职数学教学中,不仅可以丰富课堂教学手段,提升课堂教学效果,而且还能让教师跳出传统数学教学僵化模式,更新中职数学老师教学思想;从而帮助学生构建数学分析的知识框架,培养学生的数学思维,促进学生数学能力的发展，文章探讨了中职数学课堂教学的现状以及大数据在数学课堂教学中的作用，望提供参考。
数据流环境下集成异种分类器的入侵检测模型
数据流中利用异种分类器集成进行入侵检测的算法设计
利用卡方检验优化集成贝叶斯分类器用于数据流入侵检测的方法
大数据背景下的中职数学课堂教学质量提升策略
