為了更好的提高網(wǎng)絡(luò)流量數(shù)據(jù)挖掘準(zhǔn)確性,提出基于優(yōu)化蟻群算法的網(wǎng)絡(luò)流量數(shù)據(jù)精準(zhǔn)挖掘仿真方法。結(jié)合蟻群算法對(duì)網(wǎng)絡(luò)數(shù)據(jù)異常特征數(shù)值進(jìn)行采集,并根據(jù)采集結(jié)果進(jìn)行歸類計(jì)算,根據(jù)數(shù)據(jù)特征歸類標(biāo)準(zhǔn)對(duì)網(wǎng)絡(luò)流量挖掘步驟進(jìn)行優(yōu)化,最終實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)的精準(zhǔn)挖掘。最后通過實(shí)驗(yàn)證實(shí),傳統(tǒng)方法數(shù)值波動(dòng)范圍在±15之間,而所提方法數(shù)值波動(dòng)范圍在±5之間,檢測精準(zhǔn)度更高,具有較高的實(shí)際應(yīng)用性。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1網(wǎng)絡(luò)數(shù)據(jù)流量采集平臺(tái)

進(jìn)一步對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)挖掘步驟進(jìn)行優(yōu)化,建立一個(gè)相對(duì)更加完整數(shù)據(jù)管理平臺(tái),將采集到的特征數(shù)據(jù)傳輸至平臺(tái)中[7]。在數(shù)據(jù)挖掘過程中中數(shù)據(jù)可隨機(jī)抽取待挖掘數(shù)據(jù),數(shù)據(jù)管理作為網(wǎng)絡(luò)流量數(shù)據(jù)挖掘過程中的關(guān)鍵環(huán)節(jié),其對(duì)數(shù)據(jù)采樣的優(yōu)劣產(chǎn)生直接影響,因此對(duì)數(shù)據(jù)采集平臺(tái)結(jié)構(gòu)進(jìn)行優(yōu)化,具體結(jié)構(gòu)如圖1所....

圖2網(wǎng)絡(luò)流量數(shù)據(jù)處理結(jié)構(gòu)

圖1網(wǎng)絡(luò)數(shù)據(jù)流量采集平臺(tái)在上述網(wǎng)絡(luò)數(shù)據(jù)采集平臺(tái)中隨機(jī)抽取特征數(shù)據(jù),為保障數(shù)據(jù)抽取的準(zhǔn)確性,進(jìn)一步對(duì)其挖掘步驟進(jìn)行規(guī)范,具體如下:

圖3網(wǎng)絡(luò)流量數(shù)據(jù)挖掘流程優(yōu)化

采取數(shù)據(jù)特征關(guān)聯(lián)規(guī)律、排序挖掘算法對(duì)網(wǎng)絡(luò)流量的中間動(dòng)作數(shù)據(jù)進(jìn)行挖掘處理。結(jié)合蟻群算法和Aprepem平臺(tái)進(jìn)行關(guān)聯(lián)規(guī)律的規(guī)范處理,根據(jù)采集到的數(shù)據(jù)特征向量支持度下限對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)律的挖掘,并在數(shù)據(jù)挖掘過程中臨時(shí)設(shè)定相應(yīng)的數(shù)據(jù)挖掘限制條件,從而更好的確保數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)律,....

圖4數(shù)據(jù)挖掘管理平臺(tái)

基于以上流程進(jìn)一步對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行挖掘,結(jié)合計(jì)算機(jī)終端電子存儲(chǔ)設(shè)備,對(duì)海量的碎片化數(shù)據(jù)噪聲數(shù)值和模糊信息進(jìn)行過濾處理,建立相應(yīng)的空間二維坐標(biāo),并分析網(wǎng)絡(luò)流量特征的整體性,對(duì)計(jì)算機(jī)網(wǎng)絡(luò)流量挖掘管理平臺(tái)及數(shù)據(jù)挖掘管理平臺(tái)進(jìn)行優(yōu)化設(shè)計(jì),具體見圖4:圖5傳統(tǒng)方法檢測結(jié)果

本文編號(hào)：3961024