非线性电子网络模糊异常数据快速识别仿真

摘要

为了有效检测出非线性电子网络模糊异常数据,需要对其进行快速识别.传统的识别方法普遍存在着异常数据识别准确率低、完成时间较长、成本消耗较大等问题.提出一种基于相似度加权距离的网络异常数据快速识别方法.通过对非线性电子网络模糊进行分析,引入波动系数根据电子网络模糊异常数据波动系数建立变权高维空间,在高维空间上利用Canopy蔟合并算法对电子网络模糊异常数据进行区分,获取异常数据权重值,计算电子网络数据相似度加权距离,在加权过程中,对网络数据相似度进行归一化处理,有效去除模糊异常数据,提高异常数据准确识别的鲁棒性.实验结果表明,所提出方法异常数据识别准确率较高、完成时间较短、成本消耗较小.