摘要
本发明公开了基于大数据和人工智能的网络数据维护方法及系统,该方法通过构建网络数据多维特征空间,利用优化的长短期记忆网络提取时间序列特征,依据数据流量波动划分特征子集合,通过改进Adaboost算法整合关键特征;经异常检测分析识别异常数据,按优先级执行修复或重构操作,最后存储数据并建立关联索引。系统包含网络数据多维特征空间构建、长短期记忆网络特征提取等七大单元,各单元依次连接协同工作。该方案基于网络数据多维度参数,融合创新算法,实现对网络数据的高效分析、精准维护与有序管理,有效保障网络数据的完整性与可用性。
技术关键词
Adaboost算法
数据多维特征
长短期记忆网络
大数据
分类边界
参数
弱分类器
数据存储
特征提取单元
记忆单元结构
网络结构
数据交互关系
时间序列关系
网络安全策略
识别异常数据
时间序列特征
系统为您推荐了相关专利信息
筛选植物互作蛋白
转录组测序数据
家族
出发质粒
酵母
城市交通道路
路径规划方法
节点
大数据
数学模型
多模态数据融合
故障预警方法
长短期记忆网络
主成分分析算法
加权损失函数