交互式多属性网络异步数据无损检测仿真

发布时间：2021-06-21 05:43

　　在异步数据正常传输的过程中,可能会出现异常数据或者无效数据,为了保证数据正常传输,需要对异步数据进行无损检测。提出一种改进Kmeans算法的交互式多属性网络异步数据的无损检测方法。首先提取目标网络异步数据向量特征,并赋予其不同的权重值;然后将给定范围内数据点最多的位置设定为初始中心点,并迭代聚类;最终利用改进Kmeans算法对交互式多属性网络异步数据进行聚类检测,实现对网络异步数据的无损检测。仿真证明,上述方法能有效提高数据聚类的准确率,提升异步数据无损检测精度,具有较高的可行性。 

【文章来源】：计算机仿真. 2020,37(01)北大核心

【文章页数】：4 页

【部分图文】：

检测方法的误检率对比

【参考文献】：
期刊论文
[1]改进的马尔科夫模型的异常节点检测算法[J]. 黄小龙,蔡艳,屈迟文.  计算机工程与设计. 2018(06)
[2]面向大数据的网络舆情异常数据监测与应用研究[J]. 夏一雪,袁野,张文才,兰月新.  现代情报. 2018(06)
[3]关于网络数据库传输中异常数据检测仿真研究[J]. 李小玲.  计算机仿真. 2018(01)
[4]基于K-均值聚类的工业异常数据检测[J]. 张仁斌,许辅昊,刘飞,李思娴.  计算机应用研究. 2018(07)
[5]复杂网络大数据中重叠社区检测算法[J]. 乔少杰,韩楠,张凯峰,邹磊,王宏志,Louis Alberto GUTIERREZ.  软件学报. 2017(03)
[6]基于密度的异常数据检测算法GSWCLOF[J]. 李少波,孟伟,璩晶磊.  计算机工程与应用. 2016(19)
[7]开源地理信息网络服务中异步数据处理性能优化研究与实现[J]. 陈月娟,张锦.  测绘通报. 2016(09)
[8]基于蚁群算法的异常数据检测方法[J]. 蔡美,刘波.  计算机工程. 2016(08)
[9]不确定数据基于密度的局部异常点检测[J]. 曹科研,栾方军,孙焕良,丁国辉.  计算机学报. 2017(10)
[10]基于Top-k（σ）的无线传感器网络异常数据检测算法[J]. 胡石,李光辉,冯海林.  南京大学学报(自然科学). 2016(02)



本文编号：3240100