[发明专利]云数据中心系统中应用的大小流分类的医院临床操作数据选择设备

权利要求书

1.一种云数据中心系统中应用的大小流分类的医院临床操作数据选择设备，其特征在于，包括云中心服务系统，所述运中心服务系统存储有多条指令，所述指令适于由处理器加载并执行：

接收含有医院临床操作信息的查询请求；

使用两层分类策略对用户的请求数据流作出非大流排除；

使用Cost-Sensitive分析方法对排出后的数据流作出代价评估；

使用决策树算法将剩下的大数据流进行树构造，返回有效数据流。

2.根据权利要求1所述的基于云数据中心系统中应用的大小流分类的医院临床操作数据选择设备，其特征在于：两层分类策略的软件流程的具体步骤为：云数据中心系统给定一个医院数据的五元分组集合P，每个数据点p_k的时间属性值(t)在一个有界的区间[T_min,T_max]，对其进行均匀的划分{t₀,...,t_B}，存在着一个时间序列集合{b₀,...,b_B-1}，其中某时间序列b_i＝[t_i,t_i+1)，固定长度为l，每个点的时间属性值为t映射到时间序列b_s(t)∈{b₀,...,b_B-1}，取时间序列b₀中的五元组进行流的特征提取和检测，在第一层先根据端口和协议信息排除掉大部分已知应用的小流，接下来在第二层对剩下的数据包进行流量特征的提取和匹配。

3.根据权利要求1所述的基于云数据中心系统中应用的大小流分类的医院临床操作数据选择设备，其特征在于：Cost-Sensitive分析软件流程的具体步骤为：云中心系统中给定的医院数据五元组集合P＝{p₁,p₂,...,p_m}经两层分类策略处理对流量特征提取和匹配，形成以流特征为表现形式的流集合F＝{f₁,f₂,...,f_n}，将其作为测试流集合，给定测试流集合F＝{f₁,f₂,...,f_n}和训练流集合D＝{d₁,d₂,...,d_n}，其中训练集合由机器学习训练所得，另有类别集合θ＝{θ₁,...,θ_i,...,θ_c}，其代表网络数据流的类别；所述流集合F有c个不同类别，一个真实类别为θ_i的流被误分为类别为θ_j的流的代价已知，在流集合F上形成的代价矩阵C是一个c×c的矩阵，其中每个元素代表了数据流分类过程中产生的各种代价总和，一个测试样本f_x被分类为θ_i的总代价由

公式：

计算得到，其中f_x是给定测试流集合中的某个子流，i和j是给定测试流集合的子流具体位数，云中心系统通过相互对比各测试样本f_x被分类为θ_i的总代价得到更为精确的大小数据流分析。