光纤通信网络非平稳数据智能挖掘仿真研究

发布时间：2021-09-29 22:48

　　探究一种有效的非平稳数据智能挖掘方法,可以克服智能挖掘过程中受多种噪声的干扰,对光纤通信网络的大规模使用具备重要的现实意义。为了解决当前挖掘方法由于各种原因影响造成数据不完整、延时较长、遗漏率较高等问题,提出一种基于关联规则映射的非平稳数据智能挖掘方法,利用原始去噪算法对收集的非平稳数据样本进行去噪,获取非平稳数据的置信度。利用时间加权方法依据非平稳数据置信度对非平稳数据进行去噪,得到去噪后的非平稳数据。将其用于构建数据子空间矩阵,挖掘不同子空间非平稳数据集,利用同一空间下非平稳数据集的关联强度挖掘出非平稳数据集,实现了非平稳数据智能挖掘。仿真测试结果证明,所提方法能够有效缩短挖掘延时、提高数据挖掘完整率、降低遗漏率,具备较强的可行性。 

【文章来源】：计算机仿真. 2020,37(03)北大核心

【文章页数】：4 页

【部分图文】：

图1 两种挖掘方法的挖掘延时对比

图2是在光纤通信网络中,不同非平稳数据集数量下,运用基于关联规则映射的非平稳数据智能挖掘方法与文献[6]方法的非平稳数据挖掘完整率(%)的仿真测试对比结果。分析图2可知,运用两种不同的挖掘方法对非平稳数据集进行智能挖掘,数据挖掘的完整率是随着非平稳数据集个数的增长而逐渐提高的,当非稳定数据集个数在600～1000范围内时,可以发现运用文献[6]方法挖掘完整率从70%提升到92%左右,运用基于关联规则映射的非平稳数据智能挖掘方法挖掘完整率从82%提升到96%左右。由此看出,文献[6]方法挖掘完整率虽高,但由于去噪能力略差于所提方法,导致挖掘完整率也要低于所提方法,同时也说明所提方法由于去噪效果较好,在一定程度上能够提高挖掘完整率,保证非平稳数据挖掘的质量。

【参考文献】：
期刊论文
[1]基于类脑群智的机会认知数据挖掘算法研究[J]. 王太成,陈涛.  计算机工程与设计. 2017(07)
[2]计算机上对网络浏览证据准确提取仿真研究[J]. 王晓立.  计算机仿真. 2017(07)
[3]基于投影模式支持集的数据挖掘算法研究[J]. 杨晓波.  计算机应用与软件. 2017(07)
[4]基于密度的局部离群数据挖掘算法研究[J]. 许琳,赵茂先.  山东理工大学学报(自然科学版). 2016(06)
[5]大规模数据集高效数据挖掘算法研究[J]. 罗阳倩子.  湖南城市学院学报(自然科学版). 2016(04)
[6]应用数据挖掘算法预测台风条件下PM2.5质量浓度[J]. 黄杰华,何龙,张明棣,颜宇春,马彬,张晓东.  环境监测管理与技术. 2016(03)
[7]三种数据挖掘算法在电子病历知识发现中的比较[J]. 牟冬梅,任珂.  现代图书情报技术. 2016(06)
[8]基于自适应波束形成的高维数据挖掘算法[J]. 许丽娟.  电声技术. 2016(03)



本文编号：3414613