蜂窝移动网络大数据聚类异常挖掘方法仿真

蜂窝移动网络可提供话音、数据、视频图像等业务，具有终端移动性、越区切换和跨本地网自动漫游功能，因此上述网络环境中的数据为移动宽带数据流量，数据量巨大，并一直处于自更新状态，导致其聚类过程中易产生异常数据。针对上述问题，提出蜂窝移动网络大数据聚类异常挖掘方法。根据蜂窝移动网络的结构、数据存储结构以及数据特征，对数据属性聚类，并提取异常数据的弱相关特征值。基于以上情况，将提取的弱相关特征值输入至聚类器中，挖掘蜂窝移动网络大数据的异常数据。实验结果表明，蜂窝移动网络大数据量逐渐增多时，研究方法的挖掘准确性仍能保持在98.5%以上，耗时可控制4ms以内，漏检率始终低于1%,误检率不超过2%。以上所得数据说明该方法的应用可靠性更优。