基于改进聚类算法的Web异常数据挖掘软件设计

摘要：

以往Web异常数据挖掘软件通常采用小波变换和回声状态网络模型,存在数据库内闭频繁项集“左边”数据循环散布现象,大大降低了异常数据挖掘精度.研究Web异常数据挖掘的软件开发与改进方法,通过post关键字编译设计Web异常数据挖掘的堆栈弹出,保障Web数据库内不出现闭频繁项集“左边”数据循环散布现象.在此基础上,采用改进的K-means算法设计用户行为数据分类模块分类用户行为数据,采用异常检测模块通过MapReduce中的map函数确定数据的异常访问类型,Combine和Reduce函数汇总异常访问类型一致的异常检测数据,输出Web异常数据,并采用警告触发模块进行警告.经实验证明,所研究方法挖掘Web异常数据的平均准确度约为97.86％,挖掘不同规则中异常数据的平均结果为96.88％,说明此方法具有较高的挖掘精度和实用性.

关键词：Web网络、异常数据、数据挖掘、软件开发、堆栈弹出、K-means算法

所属期刊栏目：42

分类号：TN919-34

资助基金：国家自然科学基金资助项目51408182

在线出版日期：2019-06-27（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：73-76,81