文献类型：期刊文章

作　　者：康耀龙[1] 冯丽露[2] 张景安[3]

KANG Yao-long;FENG Li-lu;ZHANG Jing-an(School of Computer and Network Engineering,Shanxi Datong University,Datong Shanxi 037009,China;School of Educational Science and Technology,Shanxi Datong University,Datong Shanxi 037009,China;Network Information Center,Shanxi Datong University,Datong Shanxi 037009,China)

机构地区：[1]山西大同大学计算机与网络工程学院,山西大同037009 [2]山西大同大学教育科学与技术学院,山西大同037009 [3]山西大同大学网络信息中心,山西大同037009

出　　处：《计算机仿真》

基　　金：大同市经济和信息化委员会专项基金项目(JXW2017001);山西大同大学教学改革创新项目(XJG2019202);山西省教育科学“十三五”规划课题(GH-18044)。

年　　份：2020

卷　　号：37

期　　号：10

起止页码：303-306

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：由于分区域中异常数据较为分散,现有方法无法对分区域数据集进行有效分类,导致异常数据挖掘效果不理想。为此提出基于朴素贝叶斯的分区域异常数据挖掘方法。获取朴素贝叶斯优化公式,采用假象空间重构数据向量间的欧几里获取度量策略,计算各数据偏差比结果。对分区域中异常数据进行分类,获取相应集合式与触发式。根据数据节点概率化瞬态计算实现分区域异常数据的有效挖掘。仿真结果表明,研究方法分区域异常数据挖掘效率较高,且应用精度更理想,具有较好的实际应用价值。

关 键 词：朴素贝叶斯 分区域 异常数据挖掘 概率化  

分 类 号：TP391]