云端大数据流序列异常挖掘数学建模仿真

目前已有的数据流序列异常挖掘方法忽略了对数据流融合特征的提取,导致传统方法的挖掘时间长,且方法应用性能低。为此提出云端大数据流序列异常挖掘数学建模方法。利用神经网络方法建立数据流的神经网络模型,检测云端数据流信息,结合布谷鸟算法搜索数据流最佳融合特征。基于提取的数据流特征确定模型阈值自适应调整策略、相关系数以及约束条件。依据确立的相关模型指标完成云端大数据流序列异常挖掘模型的构建。实验结果表明,运用上述方法建立异常挖掘模型时,模型的挖掘时长短,且相关系数和召回率指标均较高。