文献类型：期刊文章

作　　者：刘云朋[1] 霍晓丽[1] 刘智超[2]

Liu Yunpeng;Huo Xiaoli;Liu Zhichao(College of Information Engineering,Jiaozuo University,Jiaozuo 454000,China;School of Optoelectronic Engineering,Changchun University of Science and Technology,Changchun 130000,China)

机构地区：[1]焦作大学信息工程学院,河南焦作454000 [2]长春理工大学光电工程学院,吉林长春130000

出　　处：《红外与激光工程》

基　　金：国家自然科学基金(61703056);吉林省优秀青年人才基金(20190103154JH)。

年　　份：2021

卷　　号：50

期　　号：8

起止页码：288-292

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：光纤网络通信中异常信息的快速、准确识别是保证通信稳定的关键,随着光纤网络通信数据的激增,也成为了近年来的一个研究热点。文中结合异常信息识别算法的精度与收敛速度之间的制约机理,提出了基于贝叶斯分区数据挖掘的异常信息识别算法。首先,采用贝叶斯定量完成数据样本的特征分类,通过极大化分析修正先验概率;然后,依据异常信息的不同类型设置挖掘特征参数及概率化系数;最后,依据贝叶斯分区分别对样本数据进行具有针对性的数据挖掘。实验以光纤局域网的通信状态数据为样本,将该算法与人工神经网络算法和遗传算法的识别结果进行对比,计算了三种算法的识别正确率、收敛速度以及算法稳定性。该算法的识别正确率均值为93.83%,在数据量增大时未发生明显的降低。收敛速度与遗传算法相近,均值为3.25 s。漏检率和误检率均值分别为0.10%和0.54%。结果表明:该算法识别正确率与收敛速度均得到了提高,稳定性好,并能够在漏检率与误检率之间通过参数控制进行微调,具有较好的应用价值。

关 键 词：光纤网络 异常信息识别  数据挖掘 贝叶斯分区  

分 类 号：TP311]