梁利利 李建军

摘要：在小波神经网络的背景之下，为尽可能保证数据负载监测的实用性以及准确程度，相关工作者应当在神经网络算法的支持下，进一步监测大数据负载。并将监测数据和阈值进行对比，倘若实际负载数值比阀值大，那么可将其看作应当被平台清理的异常负载，从而保证大数据平台在线负载连接的可靠性。通过仿真结果我们可知，该方法能够显著提高项目的准确性以及效率。

关键词：小波神经网络;数据负载;阈值

中图分类号：TP274 文献标识码：A 文章编号：1001-5922（2019）09-0094-03

从先前负载监测模式我们能够了解到，它凭借服务器以及负载两者之间的通信状况，进而对负载的在线水平进行检测，该方法主要利用网络点对点的方式进一步判断对方的在线状态，然而该方法适用范围有限，需众多网络资源的支持，并且无法将数据带宽的优势体现出来。为改变这一不足，下面笔者将重点分析小波神经网络的使用情况，从小波理论以及神经网络算法人手，将两者结合起来，进一步监测大数据平台实际在线负载连接现状。

1小波神经网络概述

小波神经网络（WNN）主要功能为变换小波，并对信号进一步分解，从伸缩以及平移角度对其进行详细的研究;神经网络具有容错性以及自学习的特征。该网络将小波变换所具有的局域化以及神经网络所具有的自学习特征结合起来，对小波变换以及神经网络两者的优势进行整合处理，从而建设出一种新式建模模式。……