10.3969/j.issn.1006-9348.2020.10.049
半结构化时间序列中异常数据挖掘算法仿真
在复杂多变网络环境下,传统算法不能有效地挖掘出异常数据,准确率较低,严重威胁网络正常数据安全.提出一种基于半结构化时间序列的异常数据挖掘算法.首先通过临近算法对半结构化时间序列的数据进行特征提取,整合为特征数据序列并做信息熵值计算,获得数据熵值的空间信号,其次采用线性斜率算法将空间信号做降维处理,并使用分段聚合符号变换对降维后的信号做符号转换,识别出正常数据与异常数据,最后采用频繁项集算法挖掘出异常数据.实验表明,半结构化时间序列方法计算简单,能够有效挖掘出异常数据,准确率较高,具有良好的鲁棒性,实现高效挖掘异常数据,保障网络正常数据的安全.
半结构化、时间序列、异常数据、数据挖掘算法、信息熵值
37
TP393(计算技术、计算机技术)
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
230-234