【技术实现步骤摘要】
一种大数据实时监控系统及方法
[0001]本专利技术涉及数据分析
,尤其是一种大数据实时监控系统及方法。
技术介绍
[0002]大数据需要新处理模式才能具有更强的洞察发现力、决策力和流程优化能力,以此来适应高增长率、海量和多样化的信息资产。大数据具有数据规模巨大、数据类型多样、数据流转快速和价值密度低四大特征。在大数据监控分析方面已经有许多可以利用的算法。目前在大数据监控系统使用时,运用FNN神经网络算法能够较好地克服主观性对评价结果的影响,因为FNN神经网络本身具有非线性变换和自我调节学习的能力,但FNN神经网络算法容易出现局部极小值的问题,以遗传算法(GA)优化FNN神经网络参数,可以提高FNN神经网络的精度,但会出现在最优解附近摇摆不定的现象;用粒子群优化FNN神经网络权值和阈值,可以较准确地找到全局最优值,但在数据量庞大的情况下又难以满足高效运算的要求。
技术实现思路
[0003]本专利技术的目的是通过提出一种大数据实时监控系统及方法,以解决上述
技术介绍
中提出的缺陷。故本专利技术将大数据监控系统与神经网络相结合,通过优化蜻蜒算法优化FNN神经网络的参数,能够快速处理大量数据,满足全局和局部的同时优化,实现对大数据实时监控结果更加准确,进而提升系统性能。
[0004]本专利技术采用的技术方案如下:
[0005]提供一种大数据实时监控系统,包括:
[0006]监控采集处理模块:用于实时监控和采集大数据,并对采集的大数据进行处理;
[0007]处理模型搭建模块: ...
【技术保护点】
【技术特征摘要】
1.一种大数据实时监控系统,其特征在于:包括:监控采集处理模块(100):用于实时监控和采集大数据,并对采集的大数据进行处理;处理模型搭建模块(200):用于搭建大数据运行系统的FNN神经网络并进行参数寻优;大数据检测模块(300):用于通过参数优化后的FNN神经网络对大数据特征数据进行检测;异常告警模块(400):用于根据所述大数据检测模块(300)检测出现异常的大数据特征数据进行告警;所述模型搭建模块(400)基于获取的大数据特征数据搭建FNN神经网络并基于优化蜻蜓算法对FNN神经网络中的输入层、隐藏层和输出层之间的权重和阈值进行寻优;所述优化蜻蜓算法如下:X
i
(t+1)=X
i
(t)+ΔX
i
(t+1)ΔX
i
(t+1)=[aA
i
(t)+bB
i
(t)+cC
i
(t)+dD
i
(t)+eE
i
(t)]+αΔX
i
(t)其中,X
i
(t+1)表示第t+1次迭代蜻蜓i的位置,X
i
(t)表示第t次迭代蜻蜓i的位置,ΔX
i
(t+1)表示第t+1次迭代蜻蜓i的移动步长,α表示惯性权重系数,ΔX
i
(t)表示第t次迭代蜻蜓i的移动步长,A
i
(t)表示第t次迭代蜻蜓i分离度,B
i
(t)表示第t次迭代蜻蜓i对齐速度,Ci(t)表示第t次迭代蜻蜓i聚拢度,D
i
(t)表示第t次迭代蜻蜓i觅食能力,Ei(t)表示第t次迭代蜻蜓i避敌能力,a、b、c、d、e分别为对应五种行为的权重;A
i
(t)、B
i
(t)、C
i
(t)、D
i
(t)、E
i
(t)满足:(t)满足:(t)满足:D
i
(t)=X
+
(t)
‑
X
i
(t)E
i
(t)=X
‑
(t)
‑
X
i
(t)其中,X
j
(t)表示第t次迭代蜻蜓i的相邻蜻蜓j的位置,N表示蜻蜓总数;V
j
(t)表示第t次迭代蜻蜓i的相邻蜻蜓j的速度;X
+
(t)表示第t次迭代食物的位置;X
‑
(t)表示第t次迭代天敌的位置;当X
i
(t)周...
【专利技术属性】
技术研发人员:陈鹏,花强,孙轩晖,
申请(专利权)人:常州易宝网络服务有限公司,
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。