【技术实现步骤摘要】
基于贝叶斯算法的智能数据录入方法
[0001]本专利技术涉及网络领域，特别涉及基于贝叶斯算法的智能数据录入方法。
技术介绍
[0002]网络中的多链路是数据传输的主要通道，通过多条链路的设置，能够保证待传输数据在最合适、最便捷的路径中传输。由于多链路中的数据量较大，易导致链路通道的堵塞，降低数据传输的效率。这是由于在多链路数据中存在较多的相似数据，从而严重影响了多链路传输通道的效能。为此，为降低多链路中相似数据的数量、提高网络传输效率，目前市面上具有三种多链路相似数据挖掘检测与清洗方法：
[0003]第一种是在优化SNM算法的基础上，对数据属性展开划分，利用三区间排序算法对数据实施排序，以此来减少比对范围。最后通过求和属性权重判断数据相似度并剔除相似数据，该方法可提升数据相似度的匹配程度，但在匹配过程中由于数据量较大，存在耗时较长等问题；
[0004]第二种是以K
‑
Modes聚类法为核心，通过信息熵理论判断数据属性权重并约简属性维度，然后根据数据属性重要程度对各组别的数据实施比较，根据阈值...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.基于贝叶斯算法的智能数据录入方法，其特征在于，包括以下具体步骤：步骤一：通过邻接矩阵判断多链路中数据的存在状态，并计算多链路数据的节点度，根据数据出度和入度提取多链路数据信息；步骤二：通过计算多链路半径确定预处理数据的限定范围，在二次降噪的基础上，以该范围为基础计算多链路数据的维度，再通过降维操作完成对数据的预处理；步骤三：利用贝叶斯算法的后验概率计算多链路中数据的节点概率，将相似数据的维度值作为挖掘参数，挖掘链路中的相似数据；步骤四：通过设置结构参数设定最优贝叶斯网络，将所有相似数据中每个节点父节点输入其中，确定数据的极大似然值，通过剔除具有极大似然值的数据完成清洗处理。2.根据权利要求1所述的基于贝叶斯算法的智能数据录入方法，其特征在于，所述步骤一中多链路数据提取应先通过邻接矩阵确定多链路上是否存在数据，设置多链路上的数据集合表示为G，则此时的领接矩阵可以表示为：L＝(I
ij
)
n
×
n
式中，I
ij
代表第i行上的第j上的链路数据；由于采集过程中链路上点数据的距离是影响数据提取的关键因素，因此，确定多链路中两个数据的最大距离，在此基础上采集数据，则此时多链路上两个数据的直线最大距离表示为：式中，Z
ij
代表多链路的直径，Z
max
代表两个数据间最大的直线距离；根据多链路上数据的状态和最大直线距离判断该链路上数据的度，数据的度代表了其在链路上的重要程度，其为：在此基础上，确定多链路上数据度的平均值如下：式中，n代表多链路上数据总数量，代表平均度值；将链路上的数据度划分为出度和入度，此时不同的数据度表示链路上数据度志向的所有数据，由此得到在这两种状态下的多链路上的数据，即：所有数据，由此得到在这两种状态下的多链路上的数据，即：式中，代表出度数据状态，代表入度数据状态，n代表数据的数量。3.根据权利要求2所述的基于贝叶斯算法的智能数据录入方法，其特征在于，所述若在链路的边缘，则此时的邻接矩阵为1，若不在链路的边缘，则测试的邻接矩阵为0。4.根据权利要求2所述的基于贝叶斯算法的智能数据录入方法，其特征在于，将链路上
的数据度划分为出度和入度，此时不同的数据度表示链路上数据度志向的所有数据，由此得到在这两种状态下的多链路上的数据，即：此得到在这两种状态下的多链路上的数据，即：式中，代表出度数据状态，代表入度数据状态，n代表数据的数量。5.根据权利要求1所述的基于贝叶斯算法的智能数据录入方法，其特征在于，所述步骤二中多链路数据预处理包括设置多链路数据感知范围内的两个数据是相邻关系，此时链路上的数据表示为：式中，e代表两个数据之间的欧式距离，1代表两个数据是相邻的数据，0代表两个数据不相邻；在降噪过程中，设置的节点数据初始值为i，相邻数据为j，则此时数据集合表示为：D＝{d1,d2,d3...d
m
技术研发人员：杨洋，王开库，黄从宽，王和功，汤成亮，潘俊锐，任少飞，李杰，马学雨，姚海洲，江玉，潘凯，汪序，方辉，管永，黄吕轩，邓科，刘运龙，魏振长，秦超为，
申请(专利权)人：安徽送变电工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。