社交网络用户登录特征数据分类挖掘仿真

摘要

目前网络用户登录特征数据分类挖掘方法分类准确性和安全性差,提出基于Leader的社交网络用户登录特征数据分类挖掘方法.根据用户登陆经常一起使用的命令之间存在紧密性,不常组合使用的命令之间关系疏远的理念,设定社交网络用户登陆活动与合法用户不同,其组合命令方式不同这一条件.计算社交网络用户登陆两个命令间紧密度,将所得值视为判断异常用户阈值,如果紧密度高,则表示该用户为正常用户,反之为异常用户,将其剔除.根据社交网络异常用户剔除结果设定分类挖掘输入集合,并将输出集合定义为空.针对输入子集,寻找输出子集,并给出输入子集和输出子集之间的质心距离最短值,将最短值与距离阈值进行比较,将比较结果分别添至输出子集和输出总集中.给出质心计算公式,对新用户登陆特征数据分类的属性集合进行计算,并将计算结果分别添至输出子集和输出总集中,完成用户登陆特征数据分类挖掘.实验结果表明,上述方法安全系数平均为0.92,分类准确率高.