莱泽克·博尔泽姆斯基;玛尔塔·克利伯;泽莫威特·诺瓦克 在web性能预测中使用数据挖掘算法。 （英语） Zbl 1179.68116号 赛博。系统。 40，第2期，176-187（2009）。 摘要：本文介绍了数据挖掘算法在Web性能预测中的应用。我们的域驱动数据挖掘使用历史HTTP事务数据，这些数据反映了位于波兰弗罗茨瓦夫弗罗茨瓦科技大学互联网域中的最终用户所感知的Web性能。比较了两种通用数据挖掘系统Microsoft SQL Server和IBM Intelligent Miner的预测建模特性。对神经网络、决策树、时间序列和转换回归模型进行了评估。结果表明，数据挖掘算法返回了相当准确的预测结果。使用IBM的转换回归算法可以获得最佳结果。 MSC公司： 68T05年 人工智能中的学习和自适应系统 68英里11 互联网主题 关键词：神经网络;决策树;时间序列;变换回归 软件：MS SQL服务器;DB2数据库 PDF格式BibTeX公司 XML格式引用 \textit｛L.Borzemski｝等人，Cybern。系统。40，第2号，176--187（2009；Zbl 1179.68116） 全文： 内政部 参考文献： [1] Borzemski L.，J.UCS 13第287页–（2007年） [2] Borzemski L.，代理和多代理系统：技术和应用，第一届KES国际研讨会，KES-AMSTA 2007 4496 pp 278–（2007） [3] DOI:10.10109/月.2004.1271427·doi:10.1109/EMPDP.2004.1271427 [4] Borzemski L.，工程高级Web应用程序第307页–（2004） [5] 加达。2008 . 互联网数据分析合作协会。网址：http://www.caida.org . [6] 内政部：10.1109/MNET.2003.1248658·doi:10.1109/MNET.2003.1248658 [7] Dorneich A.，程序。第21届ACM应用计算年会第569页–（2006） [8] Haykin S.，《神经网络：综合基础》（1998年）·Zbl 0828.68103号 [9] 黄T.，Proc。第五届IEEE集群计算与网格国际研讨会第410页–（2005）·doi:10.10109/CCGRID.2005.1558584 [10] IBM。2007 . IBM DB2 Intelligent Miner。网址：网址：http://www.ibm.com . [11] Lu D.，程序。第25届IEEE国际会议第414页–（2005） [12] 微软。2007 . Microsoft SQL 2005。网址：网址：//www。microsoft.com。 [13] 内政部：10.1145/1269899.1254894·数字对象标识代码：10.1145/1269899.1254894 [14] Pendault M.，程序。第六届SIAM数据挖掘国际会议第35页–（2006） [15] 乔毅，Proc。第13届IEEE HPDC国际研讨会第66页–（2004） [16] Sang A.，程序。2000年IEEE计算机与通信协会，计算机通信会议第342页（2000年） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。