基于机器学习的多源网络数据跨源分类算法研究

• 作者: 张晓芳
• 来源期刊: 自动化与仪器仪表
• 关键词: 机器学习 多源 网络 数据 跨源 分类算法
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 传感技术与仪器表|SENSING TECHNOLOGY AND INSTRUMENTATION
• 页码范围: 199-203
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.09.199

摘要

以提升多源网络数据跨源分类算法的分类精度以及抗干扰性为目标,研究基于机器学习的多源网络数据跨源分类算法.利用设定阈值预取操作待分类的海量多源网络异构数据,选取增量式正交分量分析方法对完成预取操作的多源网络数据实施降维处理并提取特征,获取具有较低维度的特征向量,将具有较低维度的特征向量发送至多核学习的支持向量机分类器内,多核学习的支持向量机分类器通过明确决策函数学习过程系数实现多核学习,搜寻可联合优化全部决策函数为双数的内核组合,实现多源网络数据跨源分类.实验结果表明,采用该算法可跨源分类多源网络数据,加入大小为40 dB的白噪声时分类精度仍高于98.5％.