基于二级聚类的家庭宽带异常数据分析与应用

为充分挖掘家宽异常数据信息、直观了解家宽异常情况,本文针对用户端反馈家宽异常事件相关指标的具体数据,提出了一种基于异常主导因素和严重程度的综合评价体制.在此基础上分别利用余弦相关性和曼哈顿距离对归一化后的常见异常数据进行二级聚类,最终对常见家宽异常数据进行类别划分.网络数据实践表明,该方法可将大量无规则家宽异常数据划分...     

基于聚类的网络异常检测

探索一种基于聚类来识别异常的方法,这个方法不需要手动标示的训练数据集却可以探测到很多不同类型的入侵行为.实验结果表明该方法是可行的和有效的,使用它来进行异常检测可以得到探测率和误报率的一个平衡,从而为异常检测问题提供一个较好的解决办法.     

基于改进聚类算法的网络平台异常数据挖掘方法

为提高挖掘结果与对应异常数据类型之间的关联度,确保挖掘结果能够为网络平台异常状态识别提供有力依据,文章引入改进聚类算法,开展网络平台异常数据挖掘方法设计研究.通过基于改进聚类算法的网络平台运行数据分类、网络平台异常检测、网络平台分布式最大频繁序列提取、最大频繁序列数据比对与挖掘,提出一种全新的挖掘方法.通过对比实验结果...     

基于K—means聚类的网络流量异常检测

针对网络异常检测领域存在的漏报率和误报率较高的问题,提出一种基于K—means聚类的网络流量异常检测方法。选择了多个不同维度上的特征;计算各维特征在滑动窗口中的局部均值偏差,以保证在实时动态变化的网络中的检测准确度;利用由K—means聚类算法产生的检测模型对各维特征进行综合评判,有效地降低了漏报率和误报率。在网络流量数据集上对所提方法进行了验证并和已有方法进行了对比,所提方法在精度和效率方面取得了较好的实验效果。     

基于聚类算法的电网告警数据分析与处理模型

提出了一种基于时间戳和关键字的聚类算法来解决告警数据种类繁多且难以提取关键信息的问题。首先,对告警数据中的最新发生时间进行K-Means聚类;其次,基于告警数据开始时间进行K-Means二次聚类;再次,使用具有噪声的基于密度的聚类算法（Density-Based Spatial Clustering of Application with Noise,DBSCAN）对每列关键字进行聚类;最后,对结果进行了整合,并给出了关联性描述结果。实验结果表明,通过上述聚类算法构建的告警数据分析与处理模型的平均压缩率为79.28%,平均准确率达到93.41%,能够有效提高对现有告警数据的具象化描述能力,降低告警数据理解的复杂度。     

基于聚类粒子群算法网络异常检测模型研究

提出了一种新的基于聚类算法和遗传算法相结合的入侵检测方法模型.算法对聚类的中心采用二进制编码,将网络的正常行为和非正常行为分为不同的类,把每个点到它们之间的各自的聚类中心的欧几里得距离的综合作为相似度量,然后采用粒子群优化算法,有效的降低网络拓扑路径长度,通过优化算法来寻找聚类的中心.Matlab仿真实验结果表明,提出的改进的网络异常检测方法,与较传统网络入侵检测系统模型相比,具有更好的入侵识别率和检测率,同时提高了算法的执行效率.     

一种改进的聚类方法在异常检测中的应用

入侵检测系统是一种积极主动的安全防护技术,它是信息安全保护体系结构中的一个重要组成部分.异常检测是入侵检测的一种方法,因其能够检测出未知的攻击而受到广泛的研究.以基于数据挖掘的异常检测技术为研究内容,以提高异常检测的检测率、降低误报率为目标,以聚类分析为主线,提出了一种改进的聚类检测算法和模型,并进行仿真实验.算法首先去除了数据集中明显的噪声和孤立点,通过分裂聚类、合并聚类以及利用超球体的密度半径确定k个初始聚类中心,以减小初始k值的选取对聚类结果造成的影响,提高异常检测效率,并以此构造入侵检测模型.利用KDD CUP 1999数据集对模型进行实验测试,并对改进算法的效果进行了对比和分析.实验证明,新的检测系统具有良好的性能.     

基于改进CURE聚类算法的无监督异常检测方法

提出了一种基于改进的CURE聚类算法的无监督异常检测方法.在保证原有CURE聚类算法性能不变的条件下,通过对其进行合理的改进获得更加理想的簇,也为建立正常行为模型提供了更加纯净的正常行为数据.在建模过程中,提出了一种新的基于超矩形的正常行为建模算法,该算法有助于迅速、准确地检测出入侵行为.实验采用KDDcup99数据,实验结果表明该方法能够有效地检测网络数据中的已知和未知入侵行为.     

基于DBSCAN聚类算法的异常轨迹检测

现有的异常轨迹检测算法往往侧重于检测轨迹的空域异常,忽略了对轨迹时域异常的检测,并且检测精确度不高,针对此类问题,提出了基于增强聚类的异常轨迹检测算法。首先,采用基于速度的最小描述长度（VMDL）准则把轨迹简化成有序线段;然后,使用改进的线段间的距离定义,基于DBSCAN算法把线段分为不同的类,以建模局部正常运动模式;最后,采用先检测空间异常性再检测时间异常性的二级检测算法,检测时空异常轨迹点。在多个测试集上的实验结果表明:该算法可以检测位置、角度、速度等三种时空异常轨迹点,相对于其他算法,明显提高了异常轨迹检测的精确度。     

基于大数据用户画像技术的潜在家宽用户挖掘

随着大数据的存储、处理和分析技术不断发展,从移动网络大数据中挖掘和分析用户行为等成为可能。利用移动大数据对终端用户进行画像,从海量移动用户中挑选出潜在家宽营销用户,为移动家宽营销提供了新手段新思路。本文介绍了在进行潜在家宽用户挖掘中的大数据处理和分析思路,用户画像以及潜在家宽用户的挖掘的思路进行讨论分析。     

基于IPTV的宽带提速技术研究及应用

随着宽带业务同质化竞争愈发激烈以及IPTV用户数的爆发式增长,差异化产品与服务提升在市场竞争中尤为重要。介绍了IPTV产业发展及宽带提速技术,阐述了基于IPTV的宽带提速技术核心业务流程。研究结果表明,基于IPTV的宽带提速技术可为用户提供便捷的带宽动态调整服务,可满足海量宽带及IPTV用户个性化带宽需求,能够建立差异化服务提升优势,降低用户流失风险,提升宽带及IPTV用户价值。     

移动家宽建设及业务发展趋势研究

本文主要介绍了中国移动家宽业务的承载方式,及当前家宽的基本建设模式,同时结合秦皇岛移动的家宽建设思路,对家宽业务发展趋势进行了分析,为移动家庭宽带建设提供了建设模型及案例参考。     

基于模糊C均值的数据流入侵检测算法

针对数据在性态和类属方面存在不确定性的特点,提出一种基于模糊C均值聚类的数据流入侵检测算法,该算法首先利用增量聚类得到网络数据的概要信息和类数,然后利用模糊C均值聚类算法对获取的数据特征进行聚类。实验结果表明该算法可以有效检测数据流入侵。     

基于单片机的智能家居控制系统设计及应用

智能家居控制系统包括对家电实现远距离控制和近距离控制的一种控制型系统,通过系统内的TC35模块对控制信息进行采集,并将这些控制信息发送到STC89C52模块中去,由单片机发出系统控制指令,从而实现家居家电的控制.     

数据挖掘中的客户聚类分析及其算法实现

给出了数据挖掘技术中的数据聚类算法，把该方法应用到客户类型的数据挖掘中，企业可实现对客户的聚类分析，进而对同一类型的客户实行相同的营销策略，对不同类型的客户进行差别营销策略的制定。     

基于EPON接入的家庭网关的设计与应用研究

运营商基于公用电信网提供集成话音、数据和互动视频的三网融合业务,对入户带宽的需求大大升级,对家庭网关设备的功能提出了更高的要求.文章在分析基于电信网络的家庭网关的应用和功能要求的基础上,设计了基于EPON接入的家庭网关设备,并参加了运营商组织的测试.     

一种自适应遗传算法的聚类分析及应用

针对传统的聚类算法在聚类划分问题上还存在着划分效果能力较差等问题,在确保GA算法全局性能和收敛速度的前提下,设计了一种与进化代数相关联的交叉概率和与个体适应度相关联的变异概率。将该算法应用到图像聚类,实验仿真结果表明,对比于k均值聚类算法,该算法具有较好的聚类划分效果。     

基于多通道WIFI机顶盒的家庭无线宽带覆盖

基于广电CMTS接入网络提出多通道WiFi机顶盒创新方案解决家庭宽带盖问题,实现第三方网络运营商在广电网络中的通道租赁,达到多个运营商共用同一物理介质进行各自独立宽带运营的目的。该组网方案得到双方及其终端厂商认可,并证明其可行。     

聚类算法及聚类融合算法研究

基于常用聚类算法及聚类融合算法进行了研究。首先阐述了数据挖掘领域的常用聚类算法及特点,接下来对近年来聚类融合的方法和研究现状进行了综述,并对如何产生高效的聚类成员和共识函数如何构建才能产生高效的聚类融合算法进行了说明。运用改进的随机投影算法来生成聚类成员,实验表明随机投影是一个生成聚类成员的很有效的方法。最后得出运用聚...