[发明专利]一种基于深度学习的互联网流量大数据分析方法在审
| 申请号： | 202011470433.5 | 申请日： | 2020-12-14 |
| 公开（公告）号： | CN112559833A | 公开（公告）日： | 2021-03-26 |
| 发明（设计）人： | 刘建;殷文斐;程文 | 申请（专利权）人： | 苏州敏视达信息科技有限公司 |
| 主分类号： | G06F16/906 | 分类号： | G06F16/906;G06N3/08;H04L12/24;H04L12/26 |
| 代理公司： | 北京彭丽芳知识产权代理有限公司 11407 | 代理人： | 彭丽芳 |
| 地址： | 215000 江苏省苏州市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 互联网 流量 数据 分析 方法 | ||
1.一种基于深度学习的互联网流量大数据分析方法，其特征在于，包括如下步骤：
S1、基于NMKNN填充算法实现互联网流量监测数据的填充处理；
S2、基于类间区分度的属性约简算法实现互联网流量监测数据的约简处理，得约简互联网流量监测数据；
S3、基于Bi-LSTM+Attention模型实现约简互联网流量监测数据的分类，得互联网流量监测数据集；
S4、基于Hadoop运行预设的互联网流量大数据分析算法实现互联网流量监测数据集的分析，并输出对应的分析结果。
2.如权利要求所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于，每一个互联网流量监测数据集对应一个互联网流量大数据分析算法。
3.如权利要求所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于，还包括：
采用数据挖掘模块基于预设的互联网流量大数据挖掘规则实现互联网流量大数据挖掘的步骤。
4.如权利要求3所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于，每一个数据挖掘模块配置一组互联网流量大数据挖掘规则。
5.如权利要求4所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：每一组互联网流量大数据挖掘规则均配置一身份标记模块，用于实现互联网流量大数据来源的标记，且每一种来源配置唯一的标记符号。
6.如权利要求1所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：还包括基于Tableau Desktop实现分析结果及其与目标数据关联关系的可视化分析的步骤。
7.如权利要求1所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：还包括基于异常流量数据监测模块实现异常互联网流量大数据监测的步骤。
8.如权利要求1所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：还包括基于异常分析模块实现异常互联网流量大数据出现原因的分析的步骤。
9.如权利要求3所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：每一个数据挖掘模块配置一数据挖掘端，每个数据挖掘端均包括带散热风扇的柱形外壳以及内载于柱形外壳内的电路板。
10.如权利要求9所述的一种基于深度学习的互联网流量大数据分析方法，其特征在于：所述柱形外壳上布置一压敏胶粘附层。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州敏视达信息科技有限公司，未经苏州敏视达信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011470433.5/1.html，转载请声明来源钻瓜专利网。
