多维稀疏数据流异常数据关联挖掘仿真

摘要

针对当前方法异常数据集数量占用内存大、异常数据关联挖掘运行时间长,导致异常数据关联挖掘效率低的问题,提出多维稀疏数据流异常数据关联挖掘方法。首先对多维稀疏数据流异常数据进行降维处理,通过最大间隔准则查询最佳鉴别向量,求得最小最大概率以分离变量的超平面。利用频域谐振幅度等条件构建异常数据的频域模型,获取数据的最大隶属度,建立异常数据信息特征模型;在此基础上,计算其影响函数,根据计算结果对数据的异常值展开分析,采用非线性函数对其投影变换,通过相关联拉格朗日乘数的值来完成对异常数据的关联挖掘。实验结果表明,提出方法在对异常数据关联挖掘时,异常数据集数据量占用内存容量较小,并且异常数据关联挖掘的运行时间短。