复杂网络关键数据虚假特征准确识别仿真

摘要

当前数据虚假特征识别方法存在识别准确率和召回率低的问题,提出基于蚁群的关键数据虚假特征识别方法.以SUR数据采样为依据,将DDTLS数据采样划分为两层.DDTLS中的第一层数据采样选取具有不确定性与代表性的数据作为采集对象完成数据采样.在第二层采样通过多样性聚类与不确定性对数据样本集合重新进行排列,依据K-means针对候选数据样本集合分类,对于各个分类簇中样本依据其不确定性进行排序,利用其中不确定性较大的数据样本构成最终数据样本集合.对蚁群算法运行的初始化参数进行设置,同时创建一个空表,将相同数目的蚂蚁均匀分配在数据采样中,计算采样集合中各边的信息素.对蚂蚁选取路径的概率进行计算,并更新信息素.将更新后的信息素填充在空表中,搜索最大的信息素,利用该信息素得到数据虚假特征识别结果.实验结果表明,上述方法具备较高的识别召回率和准确率.与当前相关方法相比,数据虚假特征识别的整体性能较为优越.