基于集成学习的功耗分析研究

• 作者: 刘飚 封化民 李佳丽 潘扬 许盛伟
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 集成学习 k近邻 功耗分析 随机森林 支持向量机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 253-258
• 页数: 6页
• 分类号: TP309
• 字数: 3959字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.02.015

摘要

针对单模型分类算法在训练样本数量较少时成功率偏低的问题,提出一种集成学习算法,并在DPA_Contest_V4数据集上进行实验.首先使用传统方法破解循环掩码,再使用SVM(support vector machine)、随机森林和k近邻(k-nearest neighbor,kNN)等分类算法进行训练和预测,最后将这些模型的结果集成.实验结果表明,集成模型优于单一模型,尤其当训练集中的能量迹数目较少时集成模型的成功率比单一模型高10％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许盛伟	北京电子科技学院管理系	40	102	6.0	7.0
2	封化民	北京电子科技学院管理系	39	300	9.0	15.0
6	刘飚	北京电子科技学院管理系	14	51	4.0	6.0
7	潘扬	北京电子科技学院管理系	2	4	1.0	2.0
8	李佳丽	西安电子科技大学计算机科学与技术学院	2	4	1.0	2.0