计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
11期
262-263,267
,共3页
数据挖掘%集成学习%异常检测%数据共享%局部模型%检测性能
數據挖掘%集成學習%異常檢測%數據共享%跼部模型%檢測性能
수거알굴%집성학습%이상검측%수거공향%국부모형%검측성능
传统集中式异常检测方法需受耗费大量的网络资源和计算时间.为此,提出一种基于模型共享的分布式异常检测方法.利用多数投票、边界扩展、平均叠加以及距离加权这4种集成学习方法得到全部局部模型,通过交换本地数据挖掘模型的方式实现数据共享,构造总体的集成式学习模型.实验结果表明,该模型能从全局的观点检测异常,减少集中式检测所需的数据传输量,有效地保护数据的隐私性.
傳統集中式異常檢測方法需受耗費大量的網絡資源和計算時間.為此,提齣一種基于模型共享的分佈式異常檢測方法.利用多數投票、邊界擴展、平均疊加以及距離加權這4種集成學習方法得到全部跼部模型,通過交換本地數據挖掘模型的方式實現數據共享,構造總體的集成式學習模型.實驗結果錶明,該模型能從全跼的觀點檢測異常,減少集中式檢測所需的數據傳輸量,有效地保護數據的隱私性.
전통집중식이상검측방법수수모비대량적망락자원화계산시간.위차,제출일충기우모형공향적분포식이상검측방법.이용다수투표、변계확전、평균첩가이급거리가권저4충집성학습방법득도전부국부모형,통과교환본지수거알굴모형적방식실현수거공향,구조총체적집성식학습모형.실험결과표명,해모형능종전국적관점검측이상,감소집중식검측소수적수거전수량,유효지보호수거적은사성.
