基于改进聚类算法的Web异常数据挖掘软件设计

• 作者: 张波 李舸
• 来源期刊: 现代电子技术
• 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
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 73-76,81
• 页数: 5页
• 分类号: TN919-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.08.017

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关键字编译设计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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张波	河北工程技术学院软件学院	9	6	1.0	2.0
2	李舸	石家庄职工大学计算机科学系	9	14	3.0	3.0