馬 寧，廖慧惠

（1.安徽廣播電視大學(xué)，安徽 合肥 230022；2.安徽工業(yè)經(jīng)濟職業(yè)技術(shù)學(xué)院，安徽 合肥 230051）

云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘方法研究

馬 寧1，廖慧惠2

（1.安徽廣播電視大學(xué)，安徽 合肥 230022；2.安徽工業(yè)經(jīng)濟職業(yè)技術(shù)學(xué)院，安徽 合肥 230051）

近年來，隨著時代的發(fā)展以及科學(xué)技術(shù)的進步，使得人類逐漸步入到網(wǎng)絡(luò)信息時代.在這樣的背景之下，計算機日益發(fā)展并在社會生產(chǎn)、生活過程中獲得了廣泛的運用.事實上，在云計算的環(huán)境之下，各類的商業(yè)數(shù)據(jù)資料往往以分布式的形式進行儲存，而常規(guī)的數(shù)據(jù)挖掘模式無法對各類數(shù)據(jù)進行分布式挖掘.在這種情況下，如何促進這一問題的解決成為了相關(guān)部門亟待解決的問題.本文基于此，分析探討云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘方法.

云計算；網(wǎng)絡(luò)環(huán)境；頻繁出現(xiàn)；異常數(shù)據(jù)；挖掘方法

目前，傳統(tǒng)挖掘算法無法對云計算的環(huán)境下出現(xiàn)異常數(shù)據(jù)進行有效的識別以及量化，故而導(dǎo)致異常數(shù)據(jù)挖掘誤差大等問題的出現(xiàn).基于這一現(xiàn)狀，相關(guān)的部門加強了對于混沌算法的改進，并逐步融合了偏最小二乘法，實現(xiàn)了異常數(shù)據(jù)的清洗以及無量綱化處理，實現(xiàn)了對于諸類問題的有效解決.本文基于此，分析探討如何實現(xiàn)對于云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘.

1 云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘流程

目前，技術(shù)人員在對云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)進行挖掘、處理操作的過程中，往往需要加強對于源數(shù)據(jù)集合的確定，并在此基礎(chǔ)之上加強對于頻繁出現(xiàn)異常數(shù)據(jù)分布、概率模型的構(gòu)建.隨后再借助不一致性的檢驗方法對頻繁出現(xiàn)異常數(shù)據(jù)數(shù)目進行確定，最后對異常數(shù)據(jù)進行有效的挖掘.關(guān)于該挖掘過程的具體流程，筆者進行了相關(guān)描述，具體內(nèi)容如下.

1.1 構(gòu)建異常數(shù)據(jù)的概率模型

在進行云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘過程中，需要技術(shù)人員首先進行異常數(shù)據(jù)的概率模型的構(gòu)建.在實際的操作過程中，為了確保模型的科學(xué)性，需要假設(shè)數(shù)據(jù)空間的每一維都會被分成Ψ個等深度區(qū)域.關(guān)于概率模型的計算方式，具體內(nèi)容如下:

在上述的計算方式中，Ψ0指的是數(shù)據(jù)傳送方向性系數(shù)；β指代的則是數(shù)據(jù)的穩(wěn)態(tài)權(quán)向量；f0則是數(shù)據(jù)頻移特征.

1.2 挖掘頻繁出現(xiàn)異常數(shù)據(jù)

在進行云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘作業(yè)過程中，技術(shù)人員需要構(gòu)建起后頻繁出現(xiàn)異常數(shù)據(jù)挖掘的計算方程式，并用S(D)表示.關(guān)于頻繁出現(xiàn)異常數(shù)據(jù)的挖掘公式，筆者總結(jié)如下：

在上述的公式中，N*指的是異常數(shù)據(jù)的抽樣概率分布參數(shù)；而fk指代的則是異常數(shù)據(jù)歸一化的時間向量.

通過分析可以得知：借助上述的公式進行云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘，雖然能夠促進這一作業(yè)的有效開展，但是還是存在著挖掘不準確、誤差大的問題.基于此，需要相關(guān)的技術(shù)人員加強對于混沌算法的改進，優(yōu)化挖掘方法.

2 優(yōu)化云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘的措施

前文提到，傳統(tǒng)的數(shù)據(jù)挖掘方法在操作的過程中無法對頻繁出現(xiàn)的異常數(shù)據(jù)進行具體的量化，故而導(dǎo)致數(shù)據(jù)挖掘工作在開展的過程中存在著較大的誤差.為了有效地避免這一問題的出現(xiàn)，需要相關(guān)的技術(shù)人員加強對于云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘的優(yōu)化.目前，技術(shù)人員最為常用的優(yōu)化方式就是改進混沌算法.對此，筆者進行了相關(guān)的總結(jié)，具體內(nèi)容如下.

2.1 異常數(shù)據(jù)回歸方程的組建

在這一環(huán)節(jié)中，需要技術(shù)人員加強云計算環(huán)境下的數(shù)據(jù)源與偏最小二乘法的融合.其后在此基礎(chǔ)之上，加強對于數(shù)據(jù)的清洗以及無量綱化處理.一般而言，通過這一措施的采取，能夠獲得標準性較高的數(shù)據(jù)矩陣以及維向量.事實上，這兩個數(shù)值分別表示頻繁出現(xiàn)的異常數(shù)據(jù)預(yù)測變量以及決定因素.最后需要以此為基礎(chǔ)實現(xiàn)對于主成份的分析提取，并帶動云計算環(huán)境下數(shù)據(jù)源的線性回歸方程的構(gòu)建.關(guān)于異常數(shù)據(jù)回歸方程的組建具體流程，需要技術(shù)人員將數(shù)據(jù)源與偏最小二乘法進行有效的融合，并進行原始數(shù)據(jù)的清洗以及無量綱化處理.

2.2 計算標準化數(shù)據(jù)矩陣以及維向量

在進行標準化數(shù)據(jù)矩陣以及維向量的計算過程中，需要按照下述的公式進行相關(guān)的操作.

3 云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)優(yōu)化挖掘的實現(xiàn)

通過上述的分析，相關(guān)人員能夠得到云計算環(huán)境下數(shù)據(jù)源的回歸方程，并在此基礎(chǔ)之上引進混沌算法，實現(xiàn)對于數(shù)據(jù)源時間中相鄰兩個點間斜率的計算，此后再將這一計算結(jié)果與混沌算法預(yù)測的斜率進行比較，實現(xiàn)對于云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘.

在這一過程中，首先需要計算出數(shù)據(jù)源時間序列相鄰兩點之間的斜率，并將計算所得的數(shù)值與預(yù)測值進行對比.其實際的操作流程就是在數(shù)據(jù)源的D維空間中進行搜索，并對各數(shù)據(jù)的時間序列進行確定，各時間序列分別用：Xi1、Xi2、Xik表示.在進行斜率計算的過程中，需要技術(shù)人員按照下述的方程式進行相關(guān)的操作：

此外，筆者還對混沌算法的預(yù)測斜率的計算方式進行了總結(jié)，具體內(nèi)容如下：

在此之后，技術(shù)人員需要加強對于頻繁出現(xiàn)異常數(shù)據(jù)最小均方差的計算，事實上，通過這一分析能夠?qū)崿F(xiàn)對于頻繁出現(xiàn)的異常數(shù)據(jù)的確定，并為挖掘作業(yè)提供最終的依據(jù).最后，技術(shù)人員需要利用如下的方程式，對云計算環(huán)境下頻繁出現(xiàn)的異常數(shù)據(jù)進行計算.

在上述的方程式中，如果F*[a...b,c]≤0，則說明b指的是云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)，若F*[a...b,c]≥0，則說明b不是頻繁出現(xiàn)異常數(shù)據(jù).

通過對于上述的流程進行分析可以得知：在進行云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘作業(yè)的過程中，相關(guān)的技術(shù)人員借助混沌算法對挖掘算法以及流程進行改進，往往能夠促進挖掘作業(yè)的誤差率的降低以及精確度的提升，促進該工作的有效開展.

4 仿真證明

為了進一步驗證基于改進混沌算法的云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘作業(yè)的效率的提高，筆者對此進行了相關(guān)的實驗驗證.在操作的過程中主要借助挖掘仿真平臺進行相關(guān)作業(yè).據(jù)悉，該平臺的各項參數(shù)為：INtelcore i5處理器，主頻2.8GHZ,4G內(nèi)存，windowsXP專業(yè)版32位sp2操作系統(tǒng).在實際的操作過程中，實驗所用的數(shù)據(jù)均來自于互聯(lián)網(wǎng)采用，在數(shù)據(jù)運用的過程中，主要采用隨意抽取的方式進行相關(guān)操作.最后利用改進算法和傳統(tǒng)算法對這些數(shù)據(jù)中頻繁出現(xiàn)的異常數(shù)據(jù)進行挖掘.

在仿真證明操作的過程中，筆者主要借助傳統(tǒng)的數(shù)據(jù)挖掘方法以及基于混沌算法數(shù)據(jù)挖掘方法的對比試驗進行相關(guān)的操作.在對比試驗的過程中，主要對算法挖掘的精確度、誤差率以及可靠度進行對比.

通過對于兩種數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)分析可以得知：借助傳統(tǒng)的挖掘方法進行數(shù)據(jù)挖掘操作的過程中，其挖掘的精確度、誤差率以及可靠度分別為：74%、0.5%以及73%；但是隨著基于混沌算法的異常數(shù)據(jù)挖掘的精確度、誤差率以及可靠度分別為：96%、0.1%以及97%.總體而言，這種技術(shù)的改進以及發(fā)展，促進了異常數(shù)據(jù)挖掘工作的精確度以及可靠度得到了不同程度的提升，而誤差率則大大減小.基于此，可以得知這種方法在運行的過程中要遠遠優(yōu)于傳統(tǒng)算法.

5 結(jié)語

本文基于此，主要分析了云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)的挖掘流程：首先構(gòu)建異常數(shù)據(jù)的概率模型以及挖掘頻繁出現(xiàn)異常數(shù)據(jù).其后，對優(yōu)化云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘的措施（異常數(shù)據(jù)回歸方程的組建、計算標準化數(shù)據(jù)矩陣以及維向量）展開了論述.最后對云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)優(yōu)化挖掘的實現(xiàn)以及仿真證明進行了論述.筆者認為，隨著相關(guān)措施的落實到位，以及相關(guān)技術(shù)的不斷發(fā)展，云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘方法必將獲得長足的發(fā)展，并以此為基礎(chǔ)促進相關(guān)作業(yè)的有序進行，帶動了相關(guān)效益的取得.

〔1〕饒翔,王懷民,陳振邦,周揚帆,蔡華,周琦,孫廷韜.云計算系統(tǒng)中基于伴隨狀態(tài)追蹤的故障檢測機制[J].計算機學(xué)報, 2012（5）:856-870.

〔2〕李德仁,姚遠,邵振峰.智慧城市中的大數(shù)據(jù)[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2014（6）:631-640.

〔3〕任磊,杜一,馬帥,張小龍,戴國忠.大數(shù)據(jù)可視分析綜述[J].軟件學(xué)報,2014（9）:1909-1936.

〔4〕李潔,許鑫,陳宇,張丁文.模擬DDoS攻擊場景下的云取證模型的研究[J].信息網(wǎng)絡(luò)安全,2015（6）:67-72.

〔5〕洪斌,鄧波,彭甫陽,包陽,馮學(xué)偉.基于PCA降維的云資源狀態(tài)監(jiān)控數(shù)據(jù)壓縮技術(shù)[J].計算機科學(xué),2016（8）:19-25.

〔6〕迪莉婭.基于云計算的電子政務(wù)大數(shù)據(jù)管理研究[J].圖書館理論與實踐,2013（12）:49-52.

〔7〕黃守明,張紅莉.基于云計算模式下的Apriori算法研究[J].銅陵學(xué)院學(xué)報,2013（3）:106-108+116.

〔8〕嚴駿.基于云計算的海量數(shù)據(jù)挖掘研究[J].信息與電腦(理論版),2013（4）4:110-111.

TP311

A

1673-260X（2017）02-0031-02

2016-12-10

安徽省高校優(yōu)秀青年人才支持計劃重點項目支持（gxyqZD2016454）