一种网络数字虚拟资产的分类识别系统及方法技术方案

本发明专利技术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，本发明专利技术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。

A Classification and Recognition System and Method of Network Digital Virtual Assets

The invention discloses a system and method for classifying and identifying network digital virtual assets, which relates to the field of data processing technology. Starting from the basic attributes of network virtual assets, the invention uses structure database to store data and uses Ward's clustering method, probabilistic neural network, self-organizing feature mapping neural network and Hausdorff distance function based on structure database. After the optimal clustering number range of network digital virtual assets is determined by clustering method such as S and clustering validity index, the optimal clustering number is determined by probabilistic neural network and optimal clustering number index, and the data are classified and recognized by self-organizing feature map neural network and Hausdorff distance function. It is operable to classify and identify the network digital virtual assets effectively, and the recognition result is credible.

【技术实现步骤摘要】
一种网络数字虚拟资产的分类识别系统及方法
本专利技术涉及数字信息处理技术，尤其是一种计算机网络中虚拟资产的分类识别方法。
技术介绍
信息技术和电子技术的高速发展使得网络数字虚拟资产无处不在，并迅速地融入到我们的生活中，比如：网上银行、电子邮箱、网络帐号、网络域名、网络虚拟货币、网络虚拟装备、网络所有权等等。这些种类繁多、结构复杂的虚拟资产给管理带来极大的不便，同时也增加了交易的风险。利用现代监测技术，可以检测某个区域服务器上的虚拟资产数据，借助于大数据分析方法建立模型，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。鲁明勇2006年给出了网络虚拟资产的概念和产生的技术背景。说它是依托于互联网产生的，由企业或个人所控制的，能以货币计量的、具有收益预期的网络经济资源，是独立于企业传统资产之外的新型网络无形资产。从计算机技术的角度来看，它实际上是组二进制数字代码，由网络数据库系统来管理，且依赖于计算机硬件和软件系统。网络数字虚拟资产的本质是以数字形式存在，通过网络的形式表现出来的物品。文献中，作者还给出了网络虚拟资产的价值评估原则和方法，并从各网站对网络虚拟资产的实时报价出发，通过定义本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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。2.根据权利要求1所述的方法，其特征在于，获得聚类数K进一步包括，当得到聚类数范围[Kmin,Kmax]后，选取范围[Kmin,Kmax]内的K个整数作为聚类数。3.根据权利要求1所述的方法，其特征在于，将每个类别的质心对应的二进制字符串依次分组获得类中心特征向量，利用词库模型把网络虚拟资产类别转化成特征向量，计算上述特征向量之间的Hausdorff距离，用Hausdorff距离度量两个网络虚拟资产类别间的最大不匹配程度。4.根据权利要求1或2所述的方法，其特征在于，根据输出概率矩阵，调用公式计算聚类数K对应的最佳分类数评价指标D(K,P,N)，选取最佳分类数评价指标的最大值对应的聚类数作为最佳分类数K*。5.根据权利要求3所述的方法，其特征在于，计算特征向量之间的Hausdorff距离具体包括：根据公式H(A,B)＝max{h(A,B),h(B,A)}确定特征向量集合A与特征向量集合B之间的双向Hausdorff距离H(A,B)，其中，A＝(a1,a2…,ap)为类别A的样本集合，B＝(b1,b2…,bq)为类别B的样本集合，h(A,B)是从集合A到集合B的单向Hausdorff距离，h(B,A)是从集合B到集合A的单向Hausdorff距离。6.根据权利要求5所述的方法，其特征在于，根据Hausdorff距离，建立Hausdorff距离矩阵H，距离矩阵H中每行的最小元素对应的类别为匹配类别，获得从自组织映射神经网络得到的类别标签，当出现多重匹配时，以矩阵中元素最小者对应的类别确定类别标签，其中，dij表示第i个已知虚拟资产类与自组织映射神经网络得到的第j个类间的Hausdorff距离。7.根据权利要求1-6其中之一所述的方法，其特征在于，设定自组织神经网络分类器的输出神经元个数为K*，训练集中每个样本数据由一个Q维向量表示，用一维线阵结构表示输出节点的排列形式，对权值进行训练以获得自组织神经网络分类器。8.一种网络数字虚拟资产的分类和识别系统，包括：数据处理模块，预分类模块，精确分类模块，评价模块，数据处理模块检测获得的网络虚拟资产...

【专利技术属性】
技术研发人员：李玻，杨波，廖晓峰，
申请(专利权)人：西南大学，
类型：发明
国别省市：重庆,50