针对现有网络安全态势预测算法存在的主观因素影响较大、预测结果与选取数据关联程度较高的情况，以云的网络安全态势预测规则挖掘算法为基础，提出了一个改进算法。该改进算法不仅拥有原挖掘算法无需对初始数据进行预先处理的优点，同时避免了预测规则与实际情况相孤立造成预测错误的情况，并通过实验验证了算法的可行性和有效性。基于云的网络安全态势预测改进算法，有效地提高了网络安全态势预测的准确性。

随着电力作业安全监控技术的不断发展，电力作业全过程在线信息采集成为可能。以电力作业数据为基础，提出一种基于数据挖掘和云自适应粒子群优化脉冲神经网络(CAPSO-SNN)的电力作业风险态势感知方法。该方法首先从电力作业事故事件数据库中提炼出所有作业风险影响因素以构建风险影响因素体系，然后通过主成分分析法从中挖掘出作业过程中应重点关注的风险关键要素，再以风险关键要素作为输入参数，通过云自适应粒子群优化脉冲神经网络进行作业风险态势感知的训练和预测。最后，以某电网公司的实际历史作业事故事件为样本，展示了