摘要：对网络重叠数据的检测与排除，能够有效提高网络数据处理精度。大数据下对重叠数据的检测，需要计算数据聚类离散程度的期望，获得最佳聚类数目以确定聚类中心，完成重叠数据的检测，进而对其进行排除。传统方法结合量子滤波器，对数据点进行了一定程度的平滑，判断数据的真实度，但忽略了对数据的聚类中心的求取，导致重叠数据优化识别精度偏低。提出基于相关性分析和GAS算法的优化识别方法，将测量数据进行聚类，计算对应不同聚类数目的聚类离散程度的期望，和聚类数目对应的间隙统计量值，获得最佳聚类数目以此确定聚类中心，实现重叠数据检测；依据检测结果，对需要进行优化识别的重叠数据按照时间顺序，采用类型相同时段相同的负荷加权平均值法进行排除。实验证明，所提方法对重叠数据具有较好的优化识别效果，且提高了测量数据负荷预测的准确率。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社