小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2013年
9期
2144-2147
,共4页
杜占玮%杨永健%白媛%肖敏%韩丽英
杜佔瑋%楊永健%白媛%肖敏%韓麗英
두점위%양영건%백원%초민%한려영
基线计算%高斯过程%机器学习
基線計算%高斯過程%機器學習
기선계산%고사과정%궤기학습
baseline algorithm%gaussian process%machine learning
为了对网络监视领域中样本进行预测和相关处理,大多数研究在计算基线时都忽略了样本的概率特征,未能结合样本的数据分布,对样本进行相关的处理,忽略了利用样本的周期特性和数据分布对样本进行相关处理的改进空间.因此,本文分析样本历史数据的噪音,通过引入高斯过程机器学习方法,提出基于周期样本的高斯过程机器学习方法,通过采用复合核函数,实现了网络主动监控中的基线计算.首先对＂周期数据＂进行聚类处理,同时将核函数拆分为全局核函数部分和局部核函数部分,使用聚类点训练全局核函数部分;使用局部点训练局部核函数.通过实验,与其它算法相比大大提高了效率,而且保证了近似的准确性.最终保障网络安全、提升网络性能和用户满意度.
為瞭對網絡鑑視領域中樣本進行預測和相關處理,大多數研究在計算基線時都忽略瞭樣本的概率特徵,未能結閤樣本的數據分佈,對樣本進行相關的處理,忽略瞭利用樣本的週期特性和數據分佈對樣本進行相關處理的改進空間.因此,本文分析樣本歷史數據的譟音,通過引入高斯過程機器學習方法,提齣基于週期樣本的高斯過程機器學習方法,通過採用複閤覈函數,實現瞭網絡主動鑑控中的基線計算.首先對＂週期數據＂進行聚類處理,同時將覈函數拆分為全跼覈函數部分和跼部覈函數部分,使用聚類點訓練全跼覈函數部分;使用跼部點訓練跼部覈函數.通過實驗,與其它算法相比大大提高瞭效率,而且保證瞭近似的準確性.最終保障網絡安全、提升網絡性能和用戶滿意度.
위료대망락감시영역중양본진행예측화상관처리,대다수연구재계산기선시도홀략료양본적개솔특정,미능결합양본적수거분포,대양본진행상관적처리,홀략료이용양본적주기특성화수거분포대양본진행상관처리적개진공간.인차,본문분석양본역사수거적조음,통과인입고사과정궤기학습방법,제출기우주기양본적고사과정궤기학습방법,통과채용복합핵함수,실현료망락주동감공중적기선계산.수선대＂주기수거＂진행취류처리,동시장핵함수탁분위전국핵함수부분화국부핵함수부분,사용취류점훈련전국핵함수부분;사용국부점훈련국부핵함수.통과실험,여기타산법상비대대제고료효솔,이차보증료근사적준학성.최종보장망락안전、제승망락성능화용호만의도.
