摘要：大数据环境下对异常数据的检测，可有效保障大数据环境的稳定运行。对异常信息的检测，需要计算出相邻节点特征值的时空相关性，根据聚类结果确定大数据环境下信息异常突变的概率，完成异常信息的检测。传统方法确定异常信息的置信区间，给出异常信息检测判断阈值，但忽略了确定信息异常突变的概率，导致检测精度偏低。提出基于模糊聚类的大数据环境下异常信息检测方法。利用对原数据集中的数据点按比例进行抽样形成原数据集的子集，对异常信息特征的观测值进行预处理，搜索目标函数的局部极值点，提取待检测异常信息滑动窗口的特征值，构建指定区间内邻居节点间的时空关系矩阵，计算出相邻节点特征值的时空相关性，根据聚类结果确定大数据环境下信息异常突变的概率，完成对大数据环境下异常信息检测。实验结果表明。所提方法精确度高，为提升大数据的环境质量奠定了基础。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社