双冗余网络高维离散数据特征检测方法研究

针对传统双冗余网络高维离散数据特征检测方法存在检测精度较低,数据扰动扰动问题,提出基于模糊参数融合的双冗余网络高维离散数据特征检测方法.首先,构建双冗余网络高维数据分布结构模型,实现高维离散数据的融合处理;其次,对高维离散数据的统计特征分析;最后,通过模糊度检测实现高维离散数据特征检测过程中的自适应寻优和收敛性控制.仿真结果表明,设计的特征检测法准确性较高,特征辨识度较好.设计方法提高了双冗余网络数据传输和访问调度性能.

高维离散分布数据集中NSD算法精度、敏感度校正及应用

在离群点的研究过程中发现,传统的离群点检测算法精度较低而敏感性过高.为了改善这一现状,在相邻区域数据对象密度差异计算的基础上提出了一种NSD离群点检测算法.首先确定截取距离内与数据集中对象相邻的点的数量,接下来计算邻域点的分布密度并与对象密度进行对比,以判断二者在同一簇特征下的相似性,最后对离群点进行定位.对所提出算法的精度和参数敏感度进行了校正,实际应用结果表明,算法切实有效,适于推广.