10.3969/j.issn.1672-9722.2019.07.026
融合PCA降维的改进深度神经网络工控安全算法
为了提高工业控制系统的安全性及抗干扰能力,论文提出了一种融合PCA降维的改进深度神经网络的工控防御方法.基于PCA降维理论,首先使用主成分分析法(PCA)对工控数据进行数据降维,计算各类维度的贡献率,准确提取信息主元,在模型迭代过程中通过Adagrad算法优化模型参数,加快模型收敛速度,然后通过深度神经网络实现对网络特征的提取,最后通过softmax分类器对工控数据进行分类.实验采用了由低层设备采集的工控样本数据,结果表明,该方法对工控数据安全性检测的准确率比未融合前算法提高了16%,达到96.67%,误识率降低了14%,低至0.13%,从而对比验证了方法的有效性.
工业控制系统、深度神经网络、PCA、adagrad
47
TP301.6(计算技术、计算机技术)
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
1688-1693