CN119442122A 基于数据驱动的异常行为评估方法及系统 （厦门工学院）_第1页
CN119442122A 基于数据驱动的异常行为评估方法及系统 （厦门工学院）_第2页
CN119442122A 基于数据驱动的异常行为评估方法及系统 （厦门工学院）_第3页
CN119442122A 基于数据驱动的异常行为评估方法及系统 （厦门工学院）_第4页
CN119442122A 基于数据驱动的异常行为评估方法及系统 （厦门工学院）_第5页
已阅读5页，还剩24页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了基于数据驱动的异常行为评习策略进行精细搜索进而提高用户异常行为评2活函数，表示为式2.根据权利要求1所述的基于数据驱动的异常行为评估方法，其特征在于：在步骤S3M是总偏移量；最近的中心，表示为：⃞=argminoeclz4-cil式3户行为检测模型对测试集的预测正确率高于正确率阈值时，用户行为检测模型建立完成，3.根据权利要求2所述的基于数据驱动的异常行为评估方法，其特征在于：在步骤S4;;;;;;44.根据权利要求3所述的基于数据驱动的异常行为评估方法，其特征在于：在步骤S15.根据权利要求1所述的基于数据驱动的异常行为评估方法，其特征在于：在步骤S56.根据权利要求1所述的基于数据驱动的异常行为评估方法，其特征在于：在步骤S27.基于数据驱动的异常行为评估系统，用于实现如权利要求1_6中任一项所述的基于所述数据预处理模块将采集的数据进行数据清洗、数据转换和标准化所述建立用户行为检测模型模块编码器通过深度神经网络对用户行为数据进行高效所述模型参数优化模块基于不同条件下的用户行为数据，对模型参数进行动态调整；所述异常行为评估模块基于建立完成的用户行为检测模型实现异5法适应复杂用户行为场景的动态变化导致用户异常行为评估的立学习策略进行精细搜索进而提高用户异常行为评估[0004]本发明采取的技术方案如下：本发明提供的基于数据驱6步骤S31：编码器设计；将输入的用户行为数据x映射到潜在表示z，表示为：7;;;;;;调整因子；maxt1是最大迭代次数；L(s)是微调步长；s是步长因子；u是服从正态分布8[0018]所述建立用户行为检测模型模块编码器通过深度神经网络对用户行为数据进行立学习策略进行精细搜索进而提高用户异常行为9描述本发明和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特数据集划分是将转换后的数据集划分为测试集和[0040]步骤S31：编码器设计；将输入的用户行为数据x映射到潜在表示z，表示为：数，提高了对多样化用户行为数据的响应能力；引入软分段激活函数，表示为：xo()是激活函数是基于不同条件下的用户行为数据对用户行为检测模型进行参数调整，具体包括以下步;度值选择最终解，表示为从而适应用户行为管理中复杂多;;调整因子；maxt1是最大迭代次数；L(s)是微调步长；s是步长因子；u是服从正态分布[0059]所述建立用户行为检测模型模块编码器通过深度神经网络对用户行为数据进行

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论