基于CNN算法的网络信任等级模型研究

• 作者: 李松江 杨华民 杨迪 王鹏 邱宁佳
• 来源期刊: 长春理工大学学报（自然科学版）
• 学科: 工学
• 关键词: CNN 信任模型 信任等级分类 模型验证
• 年，卷（期）: 2017,（4）
• 页码范围: 93-98
• 页数: 6页
• 分类号: TP391
• 字数: 4214字
• 语种: 中文

摘要

提出一种基于CNN算法的网络信任等级模型,解决用户节点信任值的高低对整个网络信任度造成影响问题.使用设定好的卷积神经网络对用户节点数据进行训练,完成用户信任等级分类工作,在提高执行效率的基础上,对数据完成有效分类,确定用户特征属性的具体维度范围,并通过噪声、运行时间、准确率和分类精度等不同方面对不同算法进行对比验证模型,实验结果表明,改进后的算法在集群环境下执行的效率得到很大提升,能够高效处理实验数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏	长春理工大学计算机科学技术学院	77	372	10.0	16.0
2	杨华民	长春理工大学计算机科学技术学院	93	612	13.0	20.0
3	李松江	长春理工大学计算机科学技术学院	23	40	4.0	5.0
4	杨迪	长春理工大学计算机科学技术学院	9	3	1.0	1.0
5	邱宁佳	长春理工大学计算机科学技术学院	24	66	5.0	6.0