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
  • 收藏0
  • 阅读61
  • 下载0
  • 5页
  • pdf
  • 3.69M

评价

评分 :
   *