多源头网络用户访问信息自适应识别算法

摘要：

为了解决传统算法学习规则有效性低、无法保证学习性能、匹配模板不全面、容易出现误识别现象的问题,提出一种改进的反向传播(back propagation,BP)神经网络算法研究多源头网络用户访问信息自适应识别问题.对多源头网络用户访问信息进行数据清洗处理,用多源头网络用户访问矩阵对全部会话集合进行描述;在矩阵中引入网络用户位置信息,将得到的信息保存至数据库,构成信息集.将一段时间内用户访问日志构成用户访问路径数据,依据访问请求抵达顺序,将其保存至相应用户缓冲区.把多源头网络用户访问路径当成隐马尔科夫模型的状态转移序列,将网页中信息集当成状态输出符号集,通过离散隐马尔科夫模型对不同源头网络用户访问信息进行分析,提取其特征.将多源头网络用户访问不同种类信息的概率特征作为输入,建立改进BP神经网络算法,得到的输出结果即为多源头网络用户访问信息自适应识别结果.结果表明:采用的BP神经网络算法学习性能优;所提算法识别准确性高.可见所提算法识别结果可靠.

关键词：多源头网络、用户、访问信息、自适应、识别

所属期刊栏目：19

分类号：TP393.9(计算技术、计算机技术)

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：256-261