高斯过程机器学习的基线计算算法

• 作者: 杜占玮 杨永健 白媛 肖敏 韩丽英
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 基线计算 高斯过程 机器学习
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2144-2147
• 页数: 4页
• 分类号: TP391
• 字数: 3973字
• 语种: 中文

摘要

为了对网络监视领域中样本进行预测和相关处理,大多数研究在计算基线时都忽略了样本的概率特征,未能结合样本的数据分布,对样本进行相关的处理,忽略了利用样本的周期特性和数据分布对样本进行相关处理的改进空间.因此,本文分析样本历史数据的噪音,通过引入高斯过程机器学习方法,提出基于周期样本的高斯过程机器学习方法,通过采用复合核函数,实现了网络主动监控中的基线计算.首先对＂周期数据＂进行聚类处理,同时将核函数拆分为全局核函数部分和局部核函数部分,使用聚类点训练全局核函数部分;使用局部点训练局部核函数.通过实验,与其它算法相比大大提高了效率,而且保证了近似的准确性.最终保障网络安全、提升网络性能和用户满意度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩丽英	吉林大学计算机科学与技术学院	87	498	12.0	18.0
2	杨永健	吉林大学计算机科学与技术学院	43	339	11.0	16.0
3	杜占玮	吉林大学计算机科学与技术学院	9	87	4.0	9.0
4	肖敏	吉林大学计算机科学与技术学院	3	9	2.0	3.0
5	白媛	吉林大学计算机科学与技术学院	4	14	3.0	3.0