典型文献
基于CUR矩阵分解的网络异常大数据检测算法
文献摘要：
大数据通过网络储存与使用信息,若没有相应的安全防护手段,其信息网络内会出现部分异常数据,使用户隐私安全受到威胁,对此提出一种基于CUR矩阵分解的网络异常大数据检测算法,通过二进尺度参数分析数据信号特性,依靠小波模极大值去除数据内干扰噪声,拟定正常区间与观测区间描述数据特征,构建异常大数据检测指标,将大数据转变成二进制表示形式组建邻接矩阵,重构数据获得残差矩阵,以上述两种矩阵和对应参数当作输入,交替更新矩阵,得到数据内残差数值,结合检测指标实现对网络异常大数据的检测.实验证明,所提方法的检测精准度高,在存在白噪声的状况下依然能够成功检测出网络大数据内存在的异常数据,抗干扰性强.
文献关键词：
CUR矩阵;异常大数据;小波模极大值;数据特征;残差矩阵
中图分类号：
作者姓名：
郑美容
作者机构：
福建船政交通职业学院,福建 福州350000
文献出处：
引用格式：
[1]郑美容-.基于CUR矩阵分解的网络异常大数据检测算法)[J].黄河科技学院学报,2022(02):26-30
A类：
B类：
CUR,矩阵分解,网络异常,异常大数据,数据检测,检测算法,数据通,安全防护,防护手段,信息网络,异常数据,用户隐私,隐私安全,进尺,尺度参数,参数分析,数据信号,小波模极大值,除数,干扰噪声,拟定,数据特征,检测指标,转变成,二进制表示,表示形式,邻接矩阵,残差矩阵,矩阵和,差数,白噪声,能够成功,网络大数据,抗干扰性
AB值：
0.334811
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。
