-
题名改进RBF模型的医院网络异常信息入侵意图预测
被引量：1
- 1
-
-
作者
彭建祥
-
机构
成都市中西医结合医院信息部
-
出处
《吉林大学学报（信息科学版）》
CAS
2023年第2期352-358,共7页
-
基金
四川省科技攻关基金资助项目(202000541201)。
-
文摘
由于在医院网络异常信息入侵意图预测过程中,没有对医院网络数据降维处理,导致预测时间较长、预测准确率较低,为此提出基于改进RBF(Radical Basis Function)模型的医院网络异常信息入侵意图预测算法。通过相关性分析去除医院网络数据冗余并排序,采用RBF多层神经网络对排序后的数据属性进行选择,完成医院网络数据降维处理;根据数据预处理结果,构建贝叶斯攻击图,获取网络潜在入侵攻击路径;在该路径中计算警报关联强度,提取入侵警报证据数据,通过警报证据的监测判断信息入侵概率,获得医院网络的异常信息入侵意图的预测结果。实验结果表明,所提方法的网络异常信息入侵意图预测效率快、准确率高、整体效果好。
-
关键词
信息异常入侵
入侵意图预测
改进RBF模型
贝叶斯攻击图
数据降维
-
Keywords
Invasion of information
prediction of invasion intention
improving radical basis function(RBF)model
Bayesian attack chart
data reduction dimension
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习模式下大数据特征集成分类算法
- 2
-
-
作者
彭建祥
-
机构
成都市中西医结合医院信息部
-
出处
《吉林大学学报(信息科学版)》
2025年第2期231-237,共7页
-
基金
四川省自然科学基金资助项目(201834646554)。
-
文摘
由于大数据通常来自不同的数据源,具有不同的格式、结构和质量,且其中包含大量的冗余特征,因而在进行特征集成分类时,这些因素均会影响数据分类精度,为此,设计一种深度学习模式下大数据特征集成分类算法。基于深度学习模式建立医疗大数据特征提取模型,针对模型训练过程中会引入大量噪声,特征提取结果含有部分无关特征信息,影响特征集成分类结果的问题,采用堆叠稀疏降噪编码器抑制无关特征,即使用散度函数、贪婪算法找出训练最佳参数,运用损失函数将特征空间无关特征稀疏掉,得到实际数据特征。通过Auto-encoder网络搭建特征集成分类模型,借助类型约束函数、目标函数得出各类全局最佳集成中心,完成数据特征集成分类。实验结果表明,所提方法在医疗大数据的分类中得到很好效果,宏平均值在0.95以上,且分类速度快,表明所提方法的分类性能较好。
-
关键词
深度学习
医疗大数据
特征集成
堆叠稀疏降噪编码器
集成中心
-
Keywords
deep learning
medical big data
feature integration
stacked sparse noise reduction encoder
integration center
-
分类号
TN911
[电子电信]
-
