|
|||||
|
|
| 基于改进聚类算法的Web异常数据挖掘软件设计 | |
| 作者单位： | ;1.河北工程技术学院软件学院;2.石家庄职工大学计算机科学系 |
| 摘 要： | 以往Web异常数据挖掘软件通常采用小波变换和回声状态网络模型,存在数据库内闭频繁项集"左边"数据循环散布现象,大大降低了异常数据挖掘精度。研究Web异常数据挖掘的软件开发与改进方法,通过post Web异常数据挖掘的堆栈弹出,保障Web数据库内不出现闭频繁项集"左边"数据循环散布现象。在此基础上,采用改进的K-means算法设计用户行为数据分类模块分类用户行为数据,采用异常检测模块通过MapReduce中的map函数确定数据的异常访问类型,Combine和Reduce函数汇总异常访问类型一致的异常检测数据,输出Web异常数据,并采用警告触发模块进行警告。经实验证明,所研究方法挖掘Web异常数据的平均准确度约为97.86%,挖掘不同规则中异常数据的平均结果为96.88%,说明此方法具有较高的挖掘精度和实用性。 |
| 关 键 词： | Web网络 异常数据 数据挖掘 软件开发 堆栈弹出 K-means算法 |
Design of Web anomaly data mining software based on improved clustering algorithm |
|
| Abstract: | |
| Keywords: | |