异步传输下网络不确定异常大数据剔除仿真

摘要

为解决当前异常数据剔除方法中存在的漏检率和误检率过高问题,提出基于PSO与SVM的异步传输下网络不确定异常大数据剔除方法.通过测量数据之间的接近度对异步传输网络数据一致性进行验证,期间将网络数据看作一个集合,根据模糊理论中模糊集合间接近度对数据之间的接近度进行度量,同时设定冗余数据判定门限值,以此确定网络中冗余数据,并将其滤除.设置粒子群初始化参数,将粒子设置为二维,来表示支持向量机参数.利用支持向量机对各粒子进行训练,获取粒子适应度函数.依据适应度函数计算粒子个体最优值和全局最优值,将两者结合构建公共信息库,通过所建信息库更新各粒子位置.判断粒子寻优是否满足结束条件,如果为是,利用得到的最优粒子构建最优网络异常数据检测模型,检测出异步传输下网络不确定异常数据,引入异常数据剔除滑动窗口和窗口调整参量,完成异常数据剔除.实验表明,上述方法平均漏检率约为2.6％,误检率较低.