大数据嵌入式网络分析特定数据检测方法研究  

Specific Data Detection Method in Large Data Embedded Network Analysis Research

作　　者：韩颖[1] 姚瑶[2] 卫琳[1] 

机构地区：[1]郑州大学软件与应用科技学院,河南郑州450002 [2]中州大学信息工程学院,河南郑州450044

出　　处：《计算机仿真》2016年第12期419-423,共5页Computer Simulation

基　　金：2015年郑州市科技计划项目(153PKJGG143)

摘　　要：对大数据嵌入式网络中特定数据准确检测,可以提高数据处理的效率。大数据嵌入式网络中的经常会加入一些外部数据,不断更新网络中特定数据的检测特性,而传统的基于特征的检测方法难以判断特定数据的更新频率,需要反复通过跳动窗口形式对特定数据的检测特性进行比较,降低了特定数据检测效率和精度。提出采用链距离估计的大数据嵌入式网络分析中特定数据检测方法,先利用链距离估计定义大数据嵌入式网络中特定数据的离群因子概念,提取特定数据主特征量,计算出特定数据检测概率密度值,得到基于链距离估计的特定数据检测的预测值,并融合于分数阶Fourier变换进行特定数据特征匹配处理,进行特定数据分类空间引导,构建K-L特定数据分类器,利用上述分类器实现了大数据嵌入式网络分析中特定数据检测。仿真结果证明,改进算法能有效提高大数据嵌入式网络分析中特定数据检测性能。A detection method with data analysis of big data for specific data in the embedded network based on chain distance estimation is proposed. Firstly, chain distance estimation is used to define the outlier factor concept of specific data in the big data embedded network, then, main characteristics of specific data are extracted, and the detection probability density value of specific data is calculated, the prediction value of specific data detection is obtained based on chain distance estimation. In addition, the fractional Fourier transform is fused to make feature matching processing and spatial classification guidance for specific data, and K - L specific data classifier is constructed. The classifier is used to achieve the specific data detection in the big data embedded network. The simulation results show that the proposed algorithm can effectively improve the detection performance of specific data in the big data embedded network.

关 键 词：嵌入式 特定数据 基于链距离 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]