-
题名基于贝叶斯分区数据挖掘的光纤网络异常分析算法
被引量：16
- 1
-
-
作者
刘云朋
霍晓丽
刘智超
-
机构
焦作大学信息工程学院
长春理工大学光电工程学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2021年第8期288-292,共5页
-
基金
国家自然科学基金(61703056)
吉林省优秀青年人才基金(20190103154JH)。
-
文摘
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
-
Keywords
optical fiber network
abnormal information identification
data mining
Bayesian partition
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
