大型数据库中数据流异常路径检测仿真

摘要

对大型数据库中数据流异常路径进行检测,能够有效保证数据库中数据正确传输.对数据流异常路径的检测,需要选择重叠模块度最大的作为数据流划分结果,给出路径异常度量的依据,完数据流异常路径的检测.传统方法获取数据流可疑异常路径集合,并基于改进距离的异常路径检测算法产生最可能异常路径排序结合,但忽略了得到异常路径度量依据,导致检测精度偏低.提出将数据流的特征属性引入到近似度和重叠模块度计算中的异常路径检测方法,采用K均值聚类对大型数据库数据流分区进行聚类构成均值参考点,利用最小二乘法对生成的数据流均值参考点进行拟合,建立数据流空间邻域,结合混沌粒子群算法自适应惯性权重系数以及对动态学习因子进行改善,提升异常路径检测精确度.实验结果表明,所提方法对于异常路径检测准确,检测精确度较高.