基于PCA融合神经网络的移动设备威胁研究-中国期刊网

摘要为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于PCA融合BP神经网络风险分析模型。通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量,建立设备威胁风险分析模型。最后通过实验对比了多种模型算法,结果表明采用PCA结合BP神经网络的风险分析模型具有更好的风险识别准确率。

1姚柳叶;王笑;钱志余;李韪韬;邢丽冬. 基于PCA和BP神经网络的立体视觉疲劳度分级及预测研究.精密仪器及机械,2018-06.
2陈袁;鲜让之;吴德顺;周飞;陈丽群. 基于PCA-RBF神经网络的新型录井岩性识别方法.地质学,2016-01.
3鲁轩1陈振辉2王朝阳3王松波4付明5韩双. 基于卷积神经网络的输电设备缺陷识别.电力系统及自动化,2016-12.
4王晓全;邵春福;尹超英;袁媛. 基于改进BP神经网络的交通流数据融合.道路与铁道工程,2018-01.
5王浩楠,刘岩,刘旭. 基于ARIMA融合神经网络的船舶交通流量预测研究.,2022-04.
6陈湘,郝宇欣,陈志亮,赵海东. 基于神经网络的图像分割研究.,2022-09.
7闫金衡. 基于卷积神经网络信任模型研究.建筑技术科学,2021-01.
8张恺;陈思. 基于神经网络的时序预测模型研究.通信与信息系统,2019-01.
9何弦. 基于BP模型神经网络的研究综述.物理电子学,2018-05.
10肖岚. 基于神经网络的期权定价研究综述.金融学,2011-03.

基于PCA融合神经网络的移动设备威胁研究

来源期刊

相关推荐

同分类资源更多

相关关键词

基于PCA融合神经网络的移动设备威胁研究

来源期刊

相关推荐

同分类资源 更多

相关关键词

同分类资源更多