摘要
本文基于商业银行网络系统,探讨商业银行智能监控系统的设计与实现,提出以机器学习的方式,从商业银行网络系统已采集到的指标数据中,不断反馈学习各指标的特征与规律,而后分析最新采集到的指标数据,将其中的异常数据检测出来,并基于用户的反馈信息及时调整监控规则,从而达到智能预警的效果。
引文
[1]余宇峰,朱跃龙,万定生,等.基于滑动窗口预测的水文时间序列异常检测[J].计算机应用,2014(8):2 217-2 220.
[2]李锐.基于无线通信网络的智能化专家运维系统研究[J].电子技术与软件工程,2016(12):43-45.
[3]卢宁.大气污染现状、来源分类与协同治理研究——基于局部加权回归散点平滑法的实证分析[J].中共浙江省委党校学报,2013(6):117-124.
[4]江务学.基于结构优化递归神经网络的网络流量预测[J].西南大学学报:自然科学版,2016(2):149-154.
[5]余大龙.基于特征选择的数据降维算法研究[D].合肥:安徽大学,2017.
[6]王浩,吕云飞,陈源宝,等.基于格兰杰因果关系贝叶斯网络的大规模无线局域网流量预测方法[J].电信科学,2015(8):46-50.
[7]于重重,商利利,谭励,等.半监督学习在不平衡样本集分类中的应用研究[J].计算机应用研究,2013(4):1 085-1 089.
[8]陆晓燕,魏晖.网络运维智能化,开启运维新价值[J].通信世界,2015(21):43.
[9]耿直.大数据时代统计学面临的机遇与挑战[J].统计研究,2014(1):5-9.
[10]张雄灵,杨贯中.数据挖掘在河道洪水准确预测中的应用研究[J].计算机仿真,2013(1):401-403.
本文荣获广东省金融科技学会2018年金融科技征文比赛优秀奖。