隨著物聯(lián)網(wǎng)技術(shù)在多個(gè)領(lǐng)域的大規(guī)模應(yīng)用,終端用戶數(shù)量呈快速上升趨勢(shì)。在享受通信便利的同時(shí),也有個(gè)別用戶利用物聯(lián)網(wǎng)特性生成大量虛假用戶,不利于行業(yè)的健康發(fā)展。針對(duì)以上現(xiàn)象,文中采用半監(jiān)督學(xué)習(xí)的方法,通過(guò)研究相關(guān)樣本數(shù)據(jù)的特征,建立用戶識(shí)別模型,對(duì)異常用戶行為做出及時(shí)判斷,幫助相關(guān)部門(mén)、人員采取相應(yīng)的措施,避免產(chǎn)生較大的損失,節(jié)省了大量人力物力,具有廣泛的應(yīng)用前景。 

【文章來(lái)源】：物聯(lián)網(wǎng)技術(shù). 2020,10(11)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

物聯(lián)網(wǎng)平臺(tái)組成

第二種方法是將其分為兩步,將分類(lèi)與預(yù)測(cè)分開(kāi)。第一步是根據(jù)已標(biāo)注的樣本,在大量未標(biāo)注樣本中通過(guò)訓(xùn)練找出可靠的負(fù)樣本集;第二步是通過(guò)迭代訓(xùn)練得到一個(gè)分類(lèi)器進(jìn)行用戶識(shí)別工作。識(shí)別模型工作流程如圖2所示。3 用戶數(shù)據(jù)處理

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)在物聯(lián)網(wǎng)虛假用戶識(shí)別中的運(yùn)用[J]. 張溶芳,許丹丹,王元光,潘思宇,李正茂.  電信科學(xué). 2019(07)
[2]物聯(lián)網(wǎng)用戶界面如何工作[J]. 李榮.  計(jì)算機(jī)與網(wǎng)絡(luò). 2019(12)
[3]基于隨機(jī)森林的加權(quán)特征選擇算法[J]. 徐少成,李東喜.  統(tǒng)計(jì)與決策. 2018(18)
[4]基于雙層采樣主動(dòng)學(xué)習(xí)的社交網(wǎng)絡(luò)虛假用戶檢測(cè)方法[J]. 譚侃,高旻,李文濤,田仁麗,文俊浩,熊慶宇.  自動(dòng)化學(xué)報(bào). 2017(03)
[5]基于物聯(lián)網(wǎng)的用戶行為認(rèn)證機(jī)制與分析[J]. 王曉菊,田立勤,趙競(jìng)雄.  南京理工大學(xué)學(xué)報(bào). 2015(01)
[6]基于分類(lèi)概率加權(quán)的樸素貝葉斯分類(lèi)方法[J]. 張步良.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2012(07)
[7]隨機(jī)森林方法研究綜述[J]. 方匡南,吳見(jiàn)彬,朱建平,謝邦昌.  統(tǒng)計(jì)與信息論壇. 2011(03)
[8]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[9]物聯(lián)網(wǎng)研究與發(fā)展綜述[J]. 胡向東.  數(shù)字通信. 2010(02)
[10]多種策略改進(jìn)樸素貝葉斯分類(lèi)器[J]. 張璠.  微機(jī)發(fā)展. 2005(04)



本文編號(hào)：2965954