基于DTS的多模态异构大数据检测方法研究

肖楠

（西安交通工程学院公共课部，陕西西安 710300）

大数据检测是一种相对有效的机器学习型信息处理手段，可在已知数据存储行为的基础上，将信息参量整合成全新的应用传输形式[1-2]。传统的数据检测手段可在局部离群因子的作用下，确定局部异常点所处的实际位置，再通过信息复杂度对比的方式，实现对异构型数据参量的反馈与对比[3]，如基于两级分段模型的异构数据处理与检测方法[4]，但此方法并不能完全规避大数据网络中的风险性信息传输行为，易导致数据稳定抵抗能力的持续下降。

数据转换服务（Data Transformation Service，DTS）特指DTS 解码原理，可以直接对数字信号源进行分类处理，然后再按照既定顺序将信息参量发送至核心应用主机之中。与其他数据处理手段相比，DTS 解码可在无接入设备作用的前提下，将原始信息参量直接转存至数据库结构体中，再借助输入、输出信道，将这些文件参量转换成其他存储形式，从而满足与多模态异构数据相关的检测处理需求[5-6]。

因此，针对传统方法存在的不足，提出基于DTS的多模态异构大数据检测方法，在深度置信网络的基础上，建立必要的线性映射条件，再通过数据参量清洗的方式，实现对异构数据的降维处理。

1 多模态异构大数据提取

基于DTS的多模态异构大数据提取由深度置信网络搭建、异构数据编码、DTS 线性映射条件设置3 个环节共同组成。

1.1 深度置信网络

深度置信网络结构如图1 所示。

图1 深度置信网络结构图