一种基于公开网络数据集的异常分析系统

异常分析技术对于优化网络管理和维护网络安全具有积极的作用,为了将机器学习算法应用到网络数据异常分析中,采用网络数据集KDD CUP’99作为分析对象,构建了从网络数据集中选择数据的方法,根据网络连接的数据特征设置了数据属性,采用经典的机器学习方法对网络数据进行了分析和验证。编程实现了以上的异常分析流程,并形成了具有实际功能的软件系统,该系统能够针对公开数据集进行有效的异常分析。

层级性公共服务设施空间可达性研究——以北京市综合性医疗设施为例

分层诊疗制度有利于充分利用已有的医疗资源,是医疗卫生体制改革的重要内容。但是目前关于医疗设施可达性的研究普遍存在两个问题:没有考虑医疗机构的层级性;没有考察城市的多模态道路设施对医疗机构空间可达性的影响。通过构建两阶段的两步移动搜寻法,同时利用多模态网络数据集的网络分析法,研究在不同转诊率条件下北京城六区医疗设施的空间可达性。研究发现:1医疗设施的总体空间可达性随转诊率的提高呈现倒U型走势;60%左右的转诊率情况下医疗设施总体空间可达性最高。2在60%的转诊率条件下,考虑地下交通时的医疗设施总体空间可达性比不考虑地下交通时提高约9.81%,街道医疗设施空间可达性方差下降8.58%。这说明地铁建设不仅可以提升医疗设施总体的空间可达性,还可以降低街道之间空间可达性的不均衡性。3医疗资源"倒金字塔"型分布是制约分层就诊体系建立的关键,建立分层就诊体系需要同时调整医疗资源在不同等级医院之间的分布。