核域多重分形谱感知的流识别与分类

• 作者: 汤萍萍 王再见 郭良敏
• 来源期刊: 计算机应用研究
• 关键词: 流 识别与分类 多重分形谱 数据相关性 灰色关联度
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 2090-2095,2112
• 页数: 7页
• 分类号: TN915.06
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.07.038

摘要

目前关于流识别与分类的主流技术是基于统计学方法,其核心环节是提取有效的特征属性集,但这种方法的假设条件是,特征互不相关、数据也互不相关.正因为这种假设的不合理性,使得分类效果和识别性能有限,引入以数据相关性为核心的多重分形理论,从根本上摈弃独立假设的局限性与狭隘性,实现流的有效分类.为此,定义并论证流的分形谱,在此基础上推导流的估计谱,然后在定义的核域内基于灰色关联度进行估计谱分析,继而脱离特征提取过程实现流的分类识别.最后通过系列实验显示流的分形性和分形谱,并进行实际分类效果的纵向比较和横向比较.研究结果表明,基于多重分形理论的流分类识别方法,有效弥补了统计学方法所不可避免的独立假设缺陷,因此具有强大而高效的识别未知流的能力,也特别适合于动态多变的在线识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王再见	安徽师范大学物理与电子信息学院	33	70	4.0	6.0
2	汤萍萍	安徽师范大学物理与电子信息学院	16	15	2.0	2.0
6	郭良敏	安徽师范大学物理与电子信息学院	29	213	7.0	14.0