排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为充分挖掘家宽异常数据信息、直观了解家宽异常情况,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。现网数据实践表明,该方法可将大量无规则家宽异常数据划分为特点各异的若干类,并提取出需重点整改信息,并可建立一个预测准确率较高的KNN分类模型。 相似文献
2.
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... 相似文献
1