在異步數(shù)據(jù)正常傳輸?shù)倪^程中,可能會出現(xiàn)異常數(shù)據(jù)或者無效數(shù)據(jù),為了保證數(shù)據(jù)正常傳輸,需要對異步數(shù)據(jù)進行無損檢測。提出一種改進Kmeans算法的交互式多屬性網(wǎng)絡異步數(shù)據(jù)的無損檢測方法。首先提取目標網(wǎng)絡異步數(shù)據(jù)向量特征,并賦予其不同的權(quán)重值;然后將給定范圍內(nèi)數(shù)據(jù)點最多的位置設定為初始中心點,并迭代聚類;最終利用改進Kmeans算法對交互式多屬性網(wǎng)絡異步數(shù)據(jù)進行聚類檢測,實現(xiàn)對網(wǎng)絡異步數(shù)據(jù)的無損檢測。仿真證明,上述方法能有效提高數(shù)據(jù)聚類的準確率,提升異步數(shù)據(jù)無損檢測精度,具有較高的可行性。 

【文章來源】：計算機仿真. 2020,37(01)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

檢測方法的誤檢率對比

【參考文獻】：
期刊論文
[1]改進的馬爾科夫模型的異常節(jié)點檢測算法[J]. 黃小龍,蔡艷,屈遲文.  計算機工程與設計. 2018(06)
[2]面向大數(shù)據(jù)的網(wǎng)絡輿情異常數(shù)據(jù)監(jiān)測與應用研究[J]. 夏一雪,袁野,張文才,蘭月新.  現(xiàn)代情報. 2018(06)
[3]關于網(wǎng)絡數(shù)據(jù)庫傳輸中異常數(shù)據(jù)檢測仿真研究[J]. 李小玲.  計算機仿真. 2018(01)
[4]基于K-均值聚類的工業(yè)異常數(shù)據(jù)檢測[J]. 張仁斌,許輔昊,劉飛,李思嫻.  計算機應用研究. 2018(07)
[5]復雜網(wǎng)絡大數(shù)據(jù)中重疊社區(qū)檢測算法[J]. 喬少杰,韓楠,張凱峰,鄒磊,王宏志,Louis Alberto GUTIERREZ.  軟件學報. 2017(03)
[6]基于密度的異常數(shù)據(jù)檢測算法GSWCLOF[J]. 李少波,孟偉,璩晶磊.  計算機工程與應用. 2016(19)
[7]開源地理信息網(wǎng)絡服務中異步數(shù)據(jù)處理性能優(yōu)化研究與實現(xiàn)[J]. 陳月娟,張錦.  測繪通報. 2016(09)
[8]基于蟻群算法的異常數(shù)據(jù)檢測方法[J]. 蔡美,劉波.  計算機工程. 2016(08)
[9]不確定數(shù)據(jù)基于密度的局部異常點檢測[J]. 曹科研,欒方軍,孫煥良,丁國輝.  計算機學報. 2017(10)
[10]基于Top-k（σ）的無線傳感器網(wǎng)絡異常數(shù)據(jù)檢測算法[J]. 胡石,李光輝,馮海林.  南京大學學報(自然科學). 2016(02)



本文編號：3240100