基于贝叶斯分区数据挖掘的光纤网络异常分析算法

摘要：

光纤网络通信中异常信息的快速、准确识别是保证通信稳定的关键,随着光纤网络通信数据的激增,也成为了近年来的一个研究热点.文中结合异常信息识别算法的精度与收敛速度之间的制约机理,提出了基于贝叶斯分区数据挖掘的异常信息识别算法.首先,采用贝叶斯定量完成数据样本的特征分类,通过极大化分析修正先验概率;然后,依据异常信息的不同类型设置挖掘特征参数及概率化系数;最后,依据贝叶斯分区分别对样本数据进行具有针对性的数据挖掘.实验以光纤局域网的通信状态数据为样本,将该算法与人工神经网络算法和遗传算法的识别结果进行对比,计算了三种算法的识别正确率、收敛速度以及算法稳定性.该算法的识别正确率均值为93.83％,在数据量增大时未发生明显的降低.收敛速度与遗传算法相近,均值为3.25 s.漏检率和误检率均值分别为0.10％和0.54％.结果 表明:该算法识别正确率与收敛速度均得到了提高,稳定性好,并能够在漏检率与误检率之间通过参数控制进行微调,具有较好的应用价值.

关键词：光纤网络、异常信息识别、数据挖掘、贝叶斯分区

所属期刊栏目：50

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;青年人才项目

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：288-292