发明专利技术名称：一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统摘要：本发明专利技术公开了一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统(SAGL)，属于网络行为分析领域。首先，将收集到的网络数据样本通过多个不同的经验核函数显性映射到高维核空间；其次，学习样本在共识潜在子空间的锚点；然后引入投影矩阵建立共识潜在子空间中锚点与原始样本的联系，并基于自适应近邻法的思想，在多视角场景下构建多视角共识锚点图；之后，对所构建的多视角共识锚点图的连通分量加以严格约束；最后，采用坐标下降法优化每个参数直至收敛，并最终根据锚点图的连通分量得到网络数据样本所处的簇。本发明专利技术减少了大规模网络行为分析系统各阶段相互分离造成的信息损失，可通过单阶段策略得到高质量网络行为分析结果。
【技术实现步骤摘要】
本专利技术涉及网络访问行为分析领域，具体涉及一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统。
技术介绍
1、互联网的普及以及数据访问终端的爆炸式增长产生了海量的网络访问数据，如何在不提供标签信息指导的情况下基于网络数据本身的特性将拥有相似访问行为的海量数据聚合是网络行为分析的重要手段，可为后续的网络入侵检测提供重要技术支撑。
2、基于图的聚类算法通过估计样本所处的流形空间，可很好地处理复杂数据，是近年来机器学习、数据分析领域的热点研究之一。然而此类算法通常需要计算所有样本两两之间的相似关系，计算量通常为样本数量n的二次方甚至三次方。如此高的计算代价导致此类算法处理小规模数据时可以取得较好的性能，但却无法推广应用至海量网络访问数据分析的应用场景，扩展性能差。
3、另一方面，已有大量的基于多视角学习的研究证明综合利用多个数据源可有效提升模型数据分析的性能。当下网络访问数据通常来自于单一数据源，如何将其拓展为多源数据以充分利用多视角学习的优势也是设计大规模网络行为分析系统需要考虑的重要因素。
>4、为了提高基于图本文档来自技高网...
【技术保护点】
1.一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：具体步骤是：
2.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述用于将网络数据样本显性映射到高维核空间的经验核函数定义为Φv:其中Λv为第v个核函数矩阵的r个大于0的特征值组成的对角阵，Q为r个特征值对应的特征向量，kerv为第v个核函数。
3.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述引入的投影矩阵应保持正交约束以保证投影矩阵的提取判别特征的能力，即p>
4.根据权...
【技术特征摘要】
1.一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：具体步骤是：
2.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述用于将网络数据样本显性映射到高维核空间的经验核函数定义为φv:其中λv为第v个核函数矩阵的r个大于0的特征值组成的对角阵，q为r个特征值对应的特征向量，kerv为第v个核函数。
3.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述引入的投影矩阵应保持正交约束以保证投影矩阵的提取判别特征的能力，即
4.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述通过自适应近邻法的思想构建多视角共识锚点图s的公式为：
5.根据权利要求1所述的一种基于潜在子空间锚点学习的单阶段多视角大规模网络行为分析系统，其特征在于：所述对所构建的多视角共识锚点图s的连通分量加以严格约束的实现方式为：对仅由s组成的所对应的拉普拉斯矩阵施加秩约束，...
【专利技术属性】
技术研发人员：郭威，邵巍，刘延杰，于镭，陈国栋，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。