物联网差异数据库中的故障数据快速挖掘仿真

对大型物联网环境下的差异数据库中的故障数据进行准确检测时,由于大型物联网环境下差异数据库受到环境状况和数据质量的影响,造成故障数据挖掘时数据特征描述不准确。传统的算法在故障数据挖掘过程中,由于受到不准确特征的影响,无法准确划分故障数据与非故障数据的邻域,导致挖掘准确率降低。提出采用离群点算法的大型物联网环境下的差异数据库中的故障数据挖掘方法。将差异数据库中的数据属性分为故障属性和非故障属性,用故障属性计算故障邻域,用非故障属性确定数据的故障离群度,对差异数据库中的所有的数据的故障离群程度进行计算,并进行降序排列,从而完成故障数据的挖掘。实验结果表明,利用改进算法进行差异数据库中的故障数据挖掘,能够有效提高挖掘的准确率,降低挖掘耗时。

基于多分簇级联融合的差异数据库安全访问

提出一种基于多分簇系统级联融合的安全访问方法,首先对所有的访问数据进行多级分簇,依照数据的访问特性,将不同的数据分配到不同的簇结构,然后对各个簇的特征进行融合处理,提取簇数据的深度特征,从而区分正常访问数据与异常攻击数据。最后采用一组正常数据加异常数据联合访问进行测试,结果显示,采用基于多分簇系统级联融合的安全访问控制,即使是在攻击数据率很高时,系统也能很好的分辨出正常数据与异常攻击,具有很好的应用价值。

大型差异数据库中高伪装入侵数据挖掘方法

针对传统入侵数据挖掘方法存在的挖掘精准性差、挖掘效率低的问题,提出一种大型差异数据库中高伪装入侵数据挖掘方法。采用粒子群分辨树算法检测大型差异数据库的入侵情况;为了避免特征提取维数偏高,对数据进行离散化处理,计算数据聚类间距距离,获取隐形文本数据特征并对数据特征压缩;根据数据筛选算法流程对数据进行处理,结合Apriori算法检查数据库中各项矩阵,排除掉与实际关系不相符的数据,进而形成拓扑结构并对其概化处理,实现高伪装入侵数据挖掘。通过实验对比结果可知,该方法挖掘效率最高可达到97%,且挖掘结果与实际值相差较小,为数据库安全使用提供保障。

SQL Server数据库备份和还原的方法

本文介绍了MicrosoftSQLServer2000的数据库备份和还原功能。重点介绍数据库的完全备份、差异备份和事务日志备份的综合应用。

基于困难区域划分思维的级联数据库查询方法

传统方法以不同数据库数据紧密逻辑特征和均值特征进行失效数据的定位,没有考虑逻辑特征被破坏带来的定位误差过大问题。提出基于困难区域划分思维的级联数据库查询方法。算法引入困难区域的概念,在设置初始簇中心时,以数据融合属性特征为基础,对属性融合差异较大的区域进行划分,形成融合困难区域,在困难区域内,计算最大的属性困难度的相似性,并对上述特征进行聚类分析,完成数据属性特征的筛选,优化查询过程。实验结果表明,利用该算法进行差异级联数据库的数据库查询,能够删除数据库中的冗余数据,提高数据库的查询效率。

SQLServer2000数据库备份和恢复的实现

本文介绍了MicrosoftSQLServer2000数据库中的备份和恢复功能。重点介绍数据库的备份方法和应用。

对湖州二级SMS系统存在问题的分析

本文以湖州数字电视平台为例,简述了湖州与中央节目平台的二级SMS系统及一些接口,并对因双方SMS 数据库信息差异引起的故障、排除及湖州服务平台SMS系统存在的问题做了详细分析并给出了解决办法。