基于多分类器融合的信息中心网络源数据检测

• 作者: 柯建波
• 来源期刊: 智能计算机与应用
• 关键词: 信息中心网络 源数据 分类器 融合
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 专题设计与应用|Specialized design and application
• 页码范围: 153-156,160
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.10.037

摘要

为了提高信息中心网络中源数据的提取和检测能力,本文提出一种基于多分类器融合的信息中心网络源数据检测方法,构建统计序列重组模型,采用相空间结构重组方法进行源数据的信息特征挖掘和重构,在高维相空间中实现网络源数据的关联规则挖掘,对提取数据的关联特征集分类融合,构建基于模糊C均值聚类的多模级联分类器,采用数据特征的融合法和分裂法进行数据聚类中心寻优控制,实现信息中心网络源数据检测优化.仿真结果表明,采用该方法进行信息中心网络源数据检测的自适应性较好,检测的准确率较高,提高了信息中心网络源数据分类管理和信息融合能力.