文献

J-GLOBAL ID：201902254391171793   整理番号：19A1006265

移動ネットワークデータフロー遮断点の最適検出シミュレーションに関する研究【JST・京大機械翻訳】

A Simulation Study on the Data Flow Breakpoint of Mobile Network Is Presented

著者 (2件)： Wu Zhentao (武漢軽工大学数学与計算机学院,湖北武漢,430023) ,  Min Jun (武漢軽工大学数学与計算机学院,湖北武漢,430023)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 36  号： 1  ページ： 470-474  発行年： 2019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： データストリーム切断点検出は,動的データストリームにおける異常データをマイニングするために使用され,移動ネットワークデータストリームが無限入力と動的変化などの特徴を持つため,既存のアルゴリズムには,動的データに対するクラスタリング精度が高く,異常値点の処理効率が悪いという欠点がある。移動ネットワーク環境におけるデータストリームブレークポイントのリアルタイム高精度検出を実現することが難しいので,改良重み付き近隣密度動的データストリーム遮断点領域最適化検出アルゴリズムを提案した。上記アルゴリズムは,データストリームにおける異常値およびクラスタ接続を,マイクロクラスタの密度によって発見し,そして,動的データストリームの進化情報を,より正確に表現するために,データストリームのオリジナル特性を,より正確に表現するために,動的クラスタ更新および維持機構を,アルゴリズムモデルに導入し,そして,重み付け隣接アルゴリズムを,改良した。計算モデルは,新しいオブジェクトクラスを生成して,クラスタアルゴリズムによって計算モデルを再構築して,このように,正確にリアルタイムで大量のデータストリームの変化を見つけて,計算の複雑さを減少した。シミュレーションデータセットの実験結果は,提案した最適化動的データストリーム切断点領域検出法が,移動ネットワークデータストリーム異常値検出のマイニングにおいて有効であり,クラスタリング検出の精度と効率性が,明らかに優位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 ,  最適化 ,  計算量 ,  異常値 ,  クラスタ ,  アルゴリズム ,  計算モデル ,  重みづけ ,  再構成 ,  クラスタ化 ,  *シミュレーション
準シソーラス用語： 検出アルゴリズム ,  実時間 ,  データストリーム ,  *モバイルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 移動ネットワーク ,  データフロー ,  遮断 ,  シミュレーション ,  研究