傳統(tǒng)異常檢測(cè)技術(shù)受到冗余數(shù)據(jù)影響,檢測(cè)準(zhǔn)確率較低,存在一定片面性,由此,本文提出云環(huán)境下異常波動(dòng)狀態(tài)協(xié)作檢測(cè)方法。分析云計(jì)算大規(guī)模、虛擬化、高可靠性等特征,據(jù)此建立具有部署簡(jiǎn)單、方便維護(hù)、延時(shí)較小等優(yōu)勢(shì)的云平臺(tái)集中式監(jiān)控結(jié)構(gòu);其次,將準(zhǔn)確率、靈敏度與誤報(bào)率確定為異常波動(dòng)狀態(tài)檢測(cè)指標(biāo),利用小數(shù)定標(biāo)方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,統(tǒng)一數(shù)據(jù)屬性,提取融合后數(shù)據(jù)的異常特征參數(shù),為數(shù)據(jù)融合奠定基礎(chǔ);在信息熵分析與非參數(shù)CUSUM算法協(xié)作基礎(chǔ)上判斷異常狀態(tài),確定異常波動(dòng)狀態(tài),完成檢測(cè)。仿真結(jié)果表明,所提方法檢測(cè)準(zhǔn)確度高,虛警率低,在理論創(chuàng)新的同時(shí)具有較強(qiáng)實(shí)用價(jià)值。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1異常檢測(cè)流程圖

所提方法中,當(dāng)信息熵分析模塊檢測(cè)出可疑異常狀態(tài)后,啟動(dòng)異常確認(rèn)程序進(jìn)行進(jìn)一步確認(rèn),從而完成異常波動(dòng)狀態(tài)檢測(cè)。4仿真數(shù)據(jù)分析與研究

圖2不同方法檢測(cè)準(zhǔn)確率對(duì)比圖

檢測(cè)準(zhǔn)確率對(duì)比實(shí)驗(yàn)獲取的結(jié)果如圖2所示。由圖2可知,在進(jìn)行異常情況準(zhǔn)確率檢驗(yàn)時(shí),本文方法對(duì)異常特征參數(shù)檢測(cè)準(zhǔn)確率高于對(duì)比方法,因?yàn)楸疚拇_定異常波動(dòng)狀態(tài)檢測(cè)相關(guān)指標(biāo),根據(jù)指標(biāo)要求,采用小數(shù)定標(biāo)方法對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理,數(shù)據(jù)融合程度較高,數(shù)據(jù)間的擬合效果得到保證,參數(shù)特征提取魯棒性較強(qiáng)....

圖3不同方法誤報(bào)率對(duì)比圖

文獻(xiàn)[1]、文獻(xiàn)[2]和文獻(xiàn)[3]方法誤報(bào)率檢測(cè)結(jié)果如圖3所示。由圖3可知,本文方法隨著實(shí)驗(yàn)次數(shù)的增加誤報(bào)率沒(méi)有明顯上升,最高誤報(bào)率為20%,該方法將非參數(shù)CUSUM算法和利用信息熵分析方法相結(jié)合,判斷異常波動(dòng)情況效率較高,展現(xiàn)算法的優(yōu)越性。

本文編號(hào)：3909172