針對聚類算法普遍存在的數(shù)值震蕩和計算量大以及傳統(tǒng)異常檢測中存在的分析準確率低和時效性差等問題,提出了一種改進的近鄰傳播聚類算法——IMAP的異常數(shù)據(jù)檢測方法。通過數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和聚類分析3個階段實現(xiàn)異常數(shù)據(jù)的識別和定位,引入動態(tài)阻尼系數(shù)的聚類分析方法對標準化數(shù)據(jù)進行異常檢測,為構(gòu)造安全和穩(wěn)定網(wǎng)絡(luò)提供了參考。實驗結(jié)果表明,利用IMAP的異常檢測方法能有效地提高異常檢測的運行效率和算法的精確度,具有實際的應(yīng)用價值和意義。 

【文章來源】：計算機與網(wǎng)絡(luò). 2020,46(10)

【文章頁數(shù)】：4 頁

【部分圖文】：

基于AP算法的異常數(shù)據(jù)檢測模型


本文編號：3064457