基于深度学习的网络通信错误数据修复仿真

• 作者: 周双权 张云飞
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 深度学习 网络通信 错误数据 数据修复
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 信息仿真
• 页码范围: 204-208
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.044

摘要

传统的错误数据修复方法由于对错误特征存在提取误差大的问题,导致其修复精度低、修复后的数据完整度低、修复的执行率差.针对上述问题,提出了基于深度学习的网络通信错误数据修复方法.首先根据深度学习理论提取网络通信中错误数据的特征,然后对错误数据进行相关性分析,获取其随机变量以及Kendall相关系数,再结合相关性分析结果构建灰色GM错误数据修复模型,将网络通信中的错误数据放入模型中进行求解,从而完成对网络通信错误数据的修复.测试结果表明,应用上述方法修复网络通信错误数据后,执行率及修复结果的精度较高,且修复后的数据完整度高.