文献类型：期刊文章

作　　者：宋韧[1] 岳进[2] 徐志超[3] 刘洋[4]

SONG Ren;YUE Jin;XU Zhi-chao;LIU Yang(Information Management Center,Jilin University of Finance and Economics,Changchun Jilin 130119,China;Foreign Language Teaching and Research Office,Aviation University Air Force, Changchun Jilin 130000,China;Finance Office,Jilin University of Finance and Economics,Changchun Jilin 130119,China;School of Management Science and Information Engineering,Jilin University of Finance and Economics, Changchun Jilin 130119,China)

机构地区：[1]吉林财经大学信息管理中心,吉林长春130119 [2]空军航空大学外语教研室,吉林长春130000 [3]吉林财经大学财务处,吉林长春130119 [4]吉林财经大学管理科学与信息工程学院,吉林长春130119

出　　处：《计算机仿真》

年　　份：2018

卷　　号：35

期　　号：12

起止页码：233-236

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：对网络异常信息数据进行提取,在提高网络运行稳定性及有效性方面具有重要意义。由于网络异常信息数据的易变性及易干扰性,使得异常信息数据特征不稳定;传统方法在对异常信息数据进行提取时,针对特征不稳定性,引入异常信息数据判断规则,确定网络不同异常信息数据特征之间的关联规则,完成异常信息数据的提取,但忽略了异常信息数据判断规则的生成过程,对异常数据特征带来的干扰,导致提取精度偏低。提出基于KNN思想重新定义的网络异常信息数据快速提取方法。在分析网络异常信息数据系统原理特征基础上,获取异常信息数据特征响应函数,以平方差函数值最小为机制更新簇的中心点,求得异常信息数据的功率谱密度函数作为数据特征,结合遗传算法进行异常信息数据特征优选。采用KNN思想重新定义异常信息数据局部密度和距离,考虑异常信息数据的优选特征,给出异常信息数据判断规则,实现异常信息数据快速提取。实验结果表明,该方法异常信息数据提取覆盖率较高,且有效降低了内存开销和时间开销。

关 键 词：网络 异常  信息数据 快速提取  密度函数

分 类 号：TP391]