在異步數(shù)據(jù)正常傳輸?shù)倪^(guò)程中,可能會(huì)出現(xiàn)異常數(shù)據(jù)或者無(wú)效數(shù)據(jù),為了保證數(shù)據(jù)正常傳輸,需要對(duì)異步數(shù)據(jù)進(jìn)行無(wú)損檢測(cè)。提出一種改進(jìn)Kmeans算法的交互式多屬性網(wǎng)絡(luò)異步數(shù)據(jù)的無(wú)損檢測(cè)方法。首先提取目標(biāo)網(wǎng)絡(luò)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(diǎn)最多的位置設(shè)定為初始中心點(diǎn),并迭代聚類;最終利用改進(jìn)Kmeans算法對(duì)交互式多屬性網(wǎng)絡(luò)異步數(shù)據(jù)進(jìn)行聚類檢測(cè),實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)異步數(shù)據(jù)的無(wú)損檢測(cè)。仿真證明,上述方法能有效提高數(shù)據(jù)聚類的準(zhǔn)確率,提升異步數(shù)據(jù)無(wú)損檢測(cè)精度,具有較高的可行性。 

【文章來(lái)源】：計(jì)算機(jī)仿真. 2020,37(01)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

檢測(cè)方法的誤檢率對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的馬爾科夫模型的異常節(jié)點(diǎn)檢測(cè)算法[J]. 黃小龍,蔡艷,屈遲文.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(06)
[2]面向大數(shù)據(jù)的網(wǎng)絡(luò)輿情異常數(shù)據(jù)監(jiān)測(cè)與應(yīng)用研究[J]. 夏一雪,袁野,張文才,蘭月新.  現(xiàn)代情報(bào). 2018(06)
[3]關(guān)于網(wǎng)絡(luò)數(shù)據(jù)庫(kù)傳輸中異常數(shù)據(jù)檢測(cè)仿真研究[J]. 李小玲.  計(jì)算機(jī)仿真. 2018(01)
[4]基于K-均值聚類的工業(yè)異常數(shù)據(jù)檢測(cè)[J]. 張仁斌,許輔昊,劉飛,李思嫻.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[5]復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)中重疊社區(qū)檢測(cè)算法[J]. 喬少杰,韓楠,張凱峰,鄒磊,王宏志,Louis Alberto GUTIERREZ.  軟件學(xué)報(bào). 2017(03)
[6]基于密度的異常數(shù)據(jù)檢測(cè)算法GSWCLOF[J]. 李少波,孟偉,璩晶磊.  計(jì)算機(jī)工程與應(yīng)用. 2016(19)
[7]開(kāi)源地理信息網(wǎng)絡(luò)服務(wù)中異步數(shù)據(jù)處理性能優(yōu)化研究與實(shí)現(xiàn)[J]. 陳月娟,張錦.  測(cè)繪通報(bào). 2016(09)
[8]基于蟻群算法的異常數(shù)據(jù)檢測(cè)方法[J]. 蔡美,劉波.  計(jì)算機(jī)工程. 2016(08)
[9]不確定數(shù)據(jù)基于密度的局部異常點(diǎn)檢測(cè)[J]. 曹科研,欒方軍,孫煥良,丁國(guó)輝.  計(jì)算機(jī)學(xué)報(bào). 2017(10)
[10]基于Top-k（σ）的無(wú)線傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)算法[J]. 胡石,李光輝,馮海林.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2016(02)



本文編號(hào)：3240100