大数据网络中需求目标干扰区域过滤仿真研究

对大数据网络中需求目标干扰区域进行有效过滤,可去除大数据网络中的冗余数据,提高网络需求目标检索的效率。进行需求目标干扰区域过滤时,不同需求目标干扰区域具有不同过滤特征,导致利用传统方法进行需求目标干扰区域过滤时,需要根据不同的目标设定不同的过滤阈值,降低了需求目标干扰区域过滤效率。提出一种混合径向基函数插值和贝叶斯分类的大数据网络中需求目标干扰区域过滤方法。上述算法首先采用大数据网络中不同的数据样本点与残缺样本点距离以及标签分类进行径向基函数插值,利用贝叶斯分类进行需求目标干扰区域数据过滤,通过比较大数据网络中数据样本的干扰数据和非干扰数据的先验概率、特征项的类条件概率预测未知数据某一类型的后验概率,最终依据后验概率大小判断是否为干扰区域,对其进行去除,完成大数据网络中需求目标干扰区域过滤。仿真结果表明,所提算法进行大数据网络中需求目标需求目标干扰区域过滤精准性高,过滤效率较好。