[发明专利]数据识别方法及装置、存储介质及电子设备

说明书

本发明提供了一种数据识别方法，包括：获取待识别特征数据，应用预先训练得到的识别模型对待识别特征数据进行识别；其中，所述待识别特征数据的识别过程，包括：将所述待识别特征数据输入至所述识别模型中，得到所述识别模型的隐含层输出的与所述待识别特征数据对应的输出向量；确定所述输出向量分别与预先设置的各个已知分类类型的中心向量的特征距离；将各个特征距离及与各个特征距离对应的威布尔分布参数输入至威布尔函数中，得到待识别特征数据分别与每个已知分类类型对应的概率值；依据各个概率值调整各个预先设置分类类型的分类权重；基于已调整的分类权重确定识别结果，能有效的确定待识别特征数据的分类类型，提高识别准确率。

技术领域

本发明涉及数据处理领域，特别涉及一种数据识别方法及装置、存储介质及电子设备。

背景技术

随着信息科技的发展，各个网络应用也层出不穷，互联网已经与人们的生活息息相关，因此，网络安全对与每个人都尤为重要，其中，网络管理是网络安全一个重要的保障，在技术人员进行网络管理过程中，需要识别不同网络应用的类型及其安全等级，从而实现更好的网络管理及安全维护，网络应用的分类在优化网络运营管理、合理部署网络设备及减少网络故障方面有着重要作用。

经本发明人研究发现，现有技术中，常常采用人工智能的方式通过网络流量数据识别网络应用的类型，然而，现有的人工智能分类方法的识别准确率与训练样本的规模密切相关，当实际应用中出现的测试样本的网络类型不属于训练样本的网络类型时，会将不属于训练样本中的网络类型识别为训练样本中的网络类型。

发明内容

本发明所要解决的技术问题是提供一种数据识别方法，能够基于概率值调整各个分类类型的分类权重，有效的确定待识别特征数据的分类类型，提高识别准确率。

本发明还提供了一种数据识别装置，用以保证上述方法在实际中的实现及应用。

一种数据识别方法，包括：

获取待识别特征数据，应用预先训练得到的识别模型对所述待识别特征数据进行识别；

其中，所述待识别特征数据的识别过程，包括：将所述待识别特征数据输入至所述识别模型中，得到所述识别模型的隐含层输出的与所述待识别特征数据对应的输出向量；

确定所述输出向量分别与预先设置的各个已知分类类型的中心向量的特征距离；

将各个所述特征距离及预先构建的威布尔分布参数集合中与各个所述特征距离一一对应的威布尔分布参数输入至威布尔函数中，以确定所述待识别特征数据分别与每个所述已知分类类型对应的概率值；

依据各个所述概率值调整各个所述已知分类类型的分类权重及预先设置的未知分类类型的分类权重；

基于已调整的各个所述已知分类类型的分类权重及已调整的所述未知分类类型的分类权重确定所述待识别特征数据的识别结果。

上述的方法，可选的，所述识别模型的构建过程，包括：

将已获取的各个训练特征数据依次输入至预先训练的神经网络模型中，得到所述神经网络模型的隐含层输出的与各个所述训练特征数据对应的各个初始输出向量；

对各个所述初始输出向量进行分类，得到各个预先设置的已知分类类型分别对应的初始输出向量集合；

确定各个所述初始输出向量集合分别对应的特征距离集合；

其中，各个所述特征距离集合包含与其对应的初始输出向量集合的各个输出向量与该初始输出向量集合对应的中心向量的特征距离；

在各个所述特征距离集合中选取符合预设条件的多个特征距离，并依据已选取的特征距离拟合威布尔函数，以确定各个所述已知分类类型分别对应的威布尔参数；