[发明专利]网络行为预测模型的构建方法及装置、网络行为预测方法

权利要求书

1.网络行为预测模型的构建方法，其特征在于，包括：

步骤S1：收集网络行为历史数据；

步骤S2：对网络行为历史数据进行预处理；

步骤S3：采用预设聚类算法FCM对预处理后的网络行为历史数据进行聚类，构建网络行为训练集；

步骤S4：将网络行为训练集输入最小二乘支持向量机LSSVM进行训练，并查找LSSVM的优化参数；

步骤S5：基于优化参数，构建网络行为预测模型。

2.如权利要求1所述的方法，其特征在于，步骤S1中，网络行为历史数据包括以下信息中的一种或多种：

GPS信息、移动信息、时间信息和使用信息。

3.如权利要求1所述的方法，其特征在于，步骤S2，具体包括采用公式(1)对网络行为历史数据进行预处理，

x’＝(x-x_min)/(x_max-x_min) (1)

其中，x’表示预处理后的网络行为历史数据，x表示收集的网络行为历史数据，x_max和x_min分别表示预设的数据规模上界和下界。

4.如权利要求1所述的方法，其特征在于，步骤S3具体包括：

步骤S3.1：根据公式(2)计算隶属度矩阵：

步骤S3.2：计算价值函数J，判断J是否小于阈值R，如果小于则终止，得到聚类中心C、模糊隶属度矩阵U和距离矩阵D，执行步骤S3.4，否则执行步骤S3.3；

步骤S3.3：根据式(3)重新计算聚类中心Ci：

步骤S3.4：根据k近邻判别法判断样本所属类别，选取对应的网络行为训练集。

5.如权利要求1所述的方法，其特征在于，步骤S4中，采用人工蜂群算法寻找LSSVM的最优参数作为优化参数。

6.如权利要求1所述的方法，其特征在于，在步骤S5之后，所述方法还包括：利用测试样本对构建的网络行为预测模型进行测试。

7.网络行为预测模型的构建装置，其特征在于，包括：

收集模块，用于收集网络行为历史数据；

预处理模块，用于对网络行为历史数据进行预处理；

聚类模块，用于采用预设聚类算法FCM对预处理后的网络行为历史数据进行聚类，构建网络行为训练集；

训练模块，用于将网络行为训练集输入最小二乘支持向量机LSSVM进行训练，并查找LSSVM的优化参数；

构建模块，用于基于优化参数，构建网络行为预测模型。

8.如权利要求7所述的装置，其特征在于，预处理模块，具体用于：

采用公式(1)对网络行为历史数据进行预处理：

x’＝(x-x_min)/(x_max-x_min) (1)

其中，x’表示预处理后的网络行为历史数据，x表示收集的网络行为历史数据，x_max和x_min分别表示预设的数据规模上界和下界。

9.如权利要求7所述的装置，其特征在于，聚类模块具体用于执行下述步骤：

步骤S3.1：根据公式(2)计算隶属度矩阵：

步骤S3.2：计算价值函数J，判断J是否小于阈值R，如果小于则终止，得到聚类中心C、模糊隶属度矩阵U和距离矩阵D，执行步骤S3.4，否则执行步骤S3.3；

步骤S3.3：根据式(3)重新计算聚类中心Ci：

步骤S3.4：根据k近邻判别法判断样本所属类别，选取对应的网络行为训练集。

10.网络行为预测方法，其特征在于，所述方法包括：

将采集的行为数据输入权利要求1至6任一项权利要求构建的网络行为预测模型，获得预测结果。