文献类型：期刊文章

作　　者：张波[1] 李舸[2]

ZHANG Bo;LI Ge(School of Software,Hebei College of Engineering,Shijiazhuang 050000,China;Department of Computer Science,Shijiazhuang Staff and Workers University,Shijiazhuang 050000,China)

机构地区：[1]河北工程技术学院软件学院,河北石家庄050000 [2]石家庄职工大学计算机科学系,河北石家庄050000

出　　处：《现代电子技术》

基　　金：国家自然科学基金资助项目(51408182)~~

年　　份：2019

卷　　号：42

期　　号：8

起止页码：73-76

语　　种：中文

收录情况：BDHX、BDHX2017、IC、RCCSE、ZGKJHX、核心刊

摘　　要：以往Web异常数据挖掘软件通常采用小波变换和回声状态网络模型,存在数据库内闭频繁项集"左边"数据循环散布现象,大大降低了异常数据挖掘精度。研究Web异常数据挖掘的软件开发与改进方法,通过post Web异常数据挖掘的堆栈弹出,保障Web数据库内不出现闭频繁项集"左边"数据循环散布现象。在此基础上,采用改进的K-means算法设计用户行为数据分类模块分类用户行为数据,采用异常检测模块通过MapReduce中的map函数确定数据的异常访问类型,Combine和Reduce函数汇总异常访问类型一致的异常检测数据,输出Web异常数据,并采用警告触发模块进行警告。经实验证明,所研究方法挖掘Web异常数据的平均准确度约为97.86%,挖掘不同规则中异常数据的平均结果为96.88%,说明此方法具有较高的挖掘精度和实用性。

关 键 词：WEB网络 异常数据 数据挖掘 软件开发  堆栈弹出  K-MEANS算法

分 类 号：TN919-34]