摘要：对大型数据库中异常信息的检测，可以确保数据库的安全访问和网络运行稳定性。对大型数据库中异常数据的检测。需要获取滤波前的异常信息相位特征，分析数据偏移程度，并对检测滤波模型进行修正，完成异常信息的检测。传统方法通过获取异常信息的线性调频信号幅频特性，建立异常信息传输模型，但忽略了对传输模型进行修正，导致异常信息检测精度偏低。提出基于大数据与决策树分类特征滤波检测的大型数据库中异常信息的检测方法。通过建立大型数据库中异常信息的决策树信息传输模型，采用基于决策树异常分类特征滤波算法，根据局部特征时间尺度参数获取滤波前的异常信息相位特征，分析数据偏移程度，并对检测滤波模型进行修正，最终实现了大型数据库中异常信息的检测。仿真结果表明，提出方法能有效提高大型数据库中异常信息的检测精度和检测效率，具有良好的实用性。

简介：《计算机仿真》（CN：11-3724/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社