微服務(wù)架構(gòu)下煙草信息化網(wǎng)絡(luò)異常數(shù)據(jù)層次密度聚類(lèi)檢測(cè)算法

打開(kāi)文本圖片集

摘 要：當(dāng)前對(duì)于煙草信息化網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)主要依托于物聯(lián)網(wǎng)技術(shù)，由于缺少對(duì)異常數(shù)據(jù)多重特征屬性的分類(lèi)，使得檢測(cè)精度較低。為此，提出了微服務(wù)架構(gòu)下煙草信息化網(wǎng)絡(luò)異常數(shù)據(jù)層次密度聚類(lèi)檢測(cè)算法。通過(guò)計(jì)算異常數(shù)據(jù)樣本到聚類(lèi)中心的局部可達(dá)密度確定類(lèi)簇中心，并根據(jù)聚類(lèi)決策圖對(duì)異常數(shù)據(jù)進(jìn)行層次密度聚類(lèi)識(shí)別，結(jié)合小波包函數(shù)對(duì)異常數(shù)據(jù)進(jìn)行分解，根據(jù)屬性特征將其歸類(lèi)到不同類(lèi)簇下，并基于網(wǎng)絡(luò)傳輸節(jié)點(diǎn)分布模型構(gòu)建異常數(shù)據(jù)傳輸信道模型，以此為依據(jù)，求取異常數(shù)據(jù)的熵值，并將計(jì)算結(jié)果與固定閾值比較，將閾值外的數(shù)據(jù)確定為異常數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)異常數(shù)據(jù)檢測(cè)。（剩余8689字）