摘要：为了减少AprioriAll算法挖掘过程中候选序列的生成以及对序列数据库的扫描次数,提高算法的挖掘效率,提出了一种基于改进的AprioriAll算法的Web序列模式挖掘方法。首先对数据进行预处理,然后利用经过改进的AprioriAll算法进行模式挖掘。算法的改进主要有两点:一个通过改变候选序列的连接方式来减少候选序列的产生;二是通过减少不必要的数据库扫描操作来提高算法的效率。通过实验验证了改进后算法在Web序列模式挖掘过程中的高效性和正确性。

摘要：Web服务是目前互联网的第一大网络服务，Web日志的分析对站点的安全管理与运行维护非常重要。在实际运行中，由于应用部署的分散性和负载均衡策略的使用，使得Web日志被分散在多台服务器上，给日志的管理和分析带来不便。该文设计并实现了一个Web日志集中管理系统（命名为ThuLog），系统包括日志集中、日志存储和日志分析3个模块。目前，该系统已经在清华大学的多个关键Web应用系统上进行了应用，它能够帮助系统管理员清晰地了解系统运行情况，取得了较好的运行效果。

摘要：在线监测数据在判断变压设备运行状态中发挥着重要的作用,但传统监测方法无法及时了解变压设备异常情况,准确甄别噪声数据。针对这一问题,挑选K-means聚类算法引进相应的滑动窗口技术,设计变压设备出现异常情况的检测模型。以某变电站变压器异常数据为对象,提出K-means聚类算法进行验证。结果验证,这种方式能够实时检测变压设备数据流中的异常信息,从而有效去除少量传感器产生的噪音或者突变值的影响,有利于提升变压设备状态检测的精准性及实时性,应用价值较高。