文献

J-GLOBAL ID：201802264405110213   整理番号：18A1815466

大規模データベースにおけるデータフロー異常経路検出シミュレーション【JST・京大機械翻訳】

Simulation of Abnormal Path Detection of Data Stream in Large Database

著者 (2件)： Hu Yang (貴州省都yun市黔南民族師范学院計算机与信息学院,貴州都yun,558000) ,  Zhang Yani (貴州省都yun市黔南民族師范学院計算机与信息学院,貴州都yun,558000)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 35  号： 6  ページ： 451-455  発行年： 2018年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大規模データベース中のデータストリーム異常経路の検出により,データベース中のデータの正確な伝送を効果的に保証できる。データストリームの異常経路の検出には,データ流れの分割結果としての重複モジュールの最大の選択が必要であり,経路の異常測定の証拠を与え,データフローの異常経路の検出を完成させる必要がある。伝統的方法は,データ流れの異常経路の集合を得て,異常経路のランキング結合を,改良距離に基づく異常経路検出アルゴリズムによって作り出して,それは,異常経路の測定の基準を無視して,検出精度を,低いレベルに落とすことを,無視した。データ流れの特性属性を近似度と重複モジュール度計算に取り入れた異常経路検出方法を提出し、K平均クラスタリングを用いて大型データベースのデータ流分域に対してクラスタリング構成平均値の参考点を行い、最小二乗法を利用して生成したデータ流の平均参考点に対してフィッティングを行い、データ流空間の隣接領域を構築した。カオスPSOアルゴリズムの適応慣性重量係数および動的学習因子の改善により,異常経路検出の精度を改善した。実験結果は,提案した方法が異常経路検出において正確で,高精度であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 検出法 ,  *シミュレーション ,  等級づけ ,  学習 ,  カオス ,  最小二乗法 ,  *データベース ,  分域 ,  クラスタ化
準シソーラス用語： 高精度 ,  粒子群最適化 ,  検出精度 ,  検出アルゴリズム ,  データストリーム ,  データフロー , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 大規模データベース ,  データフロー ,  経路 ,  シミュレーション