大型数据库聚类中伪装危险数据识别方法研究

在对大型数据库聚类中的伪装危险数据进行识别时,由于具有的模糊性,使得数据的特征之间存在关联性较高。传统的伪装危险数据识别过程,由于在高关联性下识别伪装危险数据,容易产生多中心问题,具有较高的误警率,提出采用自组织特征映射的大型数据库聚类中的伪装危险数据识别方法,确定可形成映射的自组织特征映射模型,用于描述伪装危险数据的特征。上述模型可使神经元的权系数形态间接模仿输入的信号模式。将训练数据作为一个输入向量输入自组织特征映射网络中,从显示邻域保留的网络中形成映射图,对参数进行分析,在输出图中获取伪装危险数据,完成大型数据库聚类中伪装危险数据的识别。仿真结果表明,所提方法具有很高的识别精度。

混合光纤网络伪装危险数据有效识别技术研究

传统二次方概率法对混合光纤网络伪装危险数据的处理能力较弱,存在滞后性高以及有效识别精度低的弊端,因此,提出混合光纤网络伪装危险数据的有效识别方法,设计混合有效识别方法运行流程图,其先采用基于支持向量机的混合光纤网络伪装危险数据有效识别方法,对混合光纤网络的伪装危险数据实时检测,再通过基于优化粒子群算法的网络伪装危险有效识别方法,实现混合光纤网络入侵信号的粒子群优化聚类后,定位分离混合光纤网络伪装危险数据,准确有效识别出混合光纤网络的伪装危险数据。实验结果说明,所提方法有效识别效率高,漏报率和代价比低。