[发明专利]一种网络数字虚拟资产的分类识别系统及方法有效
申请号: | 201810993470.0 | 申请日: | 2018-08-29 |
公开(公告)号: | CN109190698B | 公开(公告)日: | 2022-02-11 |
发明(设计)人: | 李玻;杨波;廖晓峰 | 申请(专利权)人: | 西南大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F16/906 |
代理公司: | 重庆华科专利事务所 50123 | 代理人: | 康海燕 |
地址: | 400715*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种网络数字虚拟资产的分类和识别系统及方法,涉及数据处理技术领域,本发明从网络虚拟资产的基本属性出发,基于结构体数据库、Ward’s聚类法、概率神经网络、自组织特征映射神经网络和Hausdorff距离函数,使用结构体数据库来存储数据,利用Ward’s等聚类法和聚类有效性指标确定网络数字虚拟资产的最佳聚类数范围后,使用概率神经网络和最佳分类数指标确定其最佳分类数,使用自组织特征映射神经网络和Hausdorff距离函数来对数据进行分类和识别。对网络数字虚拟资产进行有效地分类和识别具有可操作性,识别结果可信度高。 | ||
搜索关键词: | 一种 网络 数字 虚拟 资产 分类 识别 系统 方法 | ||
【主权项】:
1.一种网络数字虚拟资产的分类和识别方法,其特征在于,包括步骤:数据处理模块检测获取网络虚拟资产数据建立结构体数据库,并创建一个与结构体数据库关联的数据源;对关联的数据源进行滤波去噪处理后进行系统聚类,获得聚类数K;使用Ward聚类法对数据源进行聚类,利用自组织特征映射神经网络对聚类数据进行分类,得到聚类数K对应网络隐藏层的输出概率矩阵,根据输出概率矩阵,获得最佳分类数K*;根据最佳分类数K*和样本数据构建自组织特征映射神经网络分类器,并确定每类别的质心,构建Hausdorff距离矩阵H,根据距离矩阵确定虚拟资产类别标签。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南大学,未经西南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810993470.0/,转载请声明来源钻瓜专利网。