基于增量贝叶斯分类的自适应访问大数据的统计方法
在线网站的访问量大、访问数据类型繁杂，导致访问数据统计结果存在严重的丢包问题，为此提出基于增量贝叶斯分类模型的自适应访问大数据统计方法。首先分析用户自适应访问行为．根据分析结果挖掘对应的访问初始数据。建立增量贝叶斯分类模型，利用该模型补全初始访问数据中的缺失部分，并实现对访问数据的分类处理。按照访问大数据的类别设置统计指标，以挖掘并处理完成的初始数据为基础，实现自适应访问大数据的统计。通过与现有访问数据统计方法在不同网络环境下的对比，发现所设计的访问大数据统计方法丢包率降低了0．34％。
- 2021-06-20
- 阅读194
- 下载0
- 5页
- pdf
