谌裕勇，陆兴华

(广东工业大学华立学院，广东 广州 511325)

1 引言

计算机与互联网技术的广泛应用，使得各行业数据均呈爆炸性增长，庞大数据量已成为互联网重要研究目标之一[1]。数据抽取可实现海量数据内高效获取目标信息与知识，数据规模大、多样化是大数据的基本特征。海量数据内通常会存在少量数据对象与正常数据期望行为不同，通常将其称为大数据的异常值[2]，恰当处理此类异常数据是维护大数据正常应用的必要途径。在此背景下，有许多专家对此问题进行研究，得到了一些较好成果。

文献[3]按照异常网络数据的混合分类属性完成大数据之间的相似度分析，获得数值属性特征与分类属性特征。运用联合关联规则对异常网络数据完成模糊融合，建立异常网络数据分类模糊集，在模糊数据集中完成数据混合加权与自适应分块匹配，提取异常数据弱关联化特征量，将提取的特征量输入到模糊神经网络分类器中实行数据分类识别，达到异常大数据目标挖掘。但由于大数据具有较高随机性，导致该方法的应用准确性不高。文献[4]提出大数据集合中冗余特征排除的聚类算法。利用一致性聚类算法抽取各种子集样本，完成大数据冗余特征排除，并得到排除冗余特征的大数据集聚类结果。采用特征聚类和随机子空间的识别算法，聚类大数据集合冗余特征，实现大数据异常的抽取。但该方法存在计算开销大及复杂度高等问题。……