典型文献
基于最大频繁项的数据流异常检测
文献摘要：
为了解决网络异常数据检测由于数据流的高速和无限范围的特点而无法构建模型的问题,文章设计了一种基于最大频繁项(MFI)的数据流异常检测算法,构建了数据挖掘的异常数据检测模型,基于多维数据的最大频繁模式挖掘算法(Max FP-Tree算法),提出了Max FP-Tree NDS算法,根据其定义和性质,对上述提出的算法进行了改进,最后验证了Max F P-Tree算法和Max FP-Tree NDS算法对异常数据的检出率.该研究分析了多维Max FP-Tree NDS算法的异常数据处理时间和节点维护情况.结果表明,该研究改进的Max FP-Tree算法能够有效提高异常入侵数据的检测率,未知异常预警率从17.6％提高到21.9％,异常误报率从9.42％降低到7.6％.Max FP-Tree NDS算法对异常数据的处理时间随着数据集的增加而变慢,维护的节点数随着数据集的增加先增加后减少.
文献关键词：
最大频繁项;数据流;异常检测;检测率;数据挖掘
中图分类号：
作者姓名：
史晓晨
作者机构：
太原科技大学计算机科学与技术学院,山西太原030000
文献出处：
引用格式：
[1]史晓晨-.基于最大频繁项的数据流异常检测)[J].电脑知识与技术,2022(25):118-120,125
A类：
最大频繁项
B类：
数据流,异常检测,网络异常,异常数据检测,构建模型,MFI,检测算法,检测模型,多维数据,频繁模式挖掘,挖掘算法,Max,FP,Tree,NDS,数据处理时间,异常入侵,检测率,异常预警,误报率,变慢
AB值：
0.262979
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
