10.13718/j.cnki.xdzk.2019.10.019
一种基于BPNN的智能巡检异常预测模型的研究
在传统网络巡检方法中,网络异常发现主要基于单一参数进行阈值触发,误报率较高,效率低.为了高效准确地发现网络异常,提出了一种基于BPNN的网络异常预测模型.首先对采集系统采集的数据进行特征提取和初始化处理;然后,将初始化后的数据作为神经网络样本进行训练,根据误差阈值调整网络参数,确定网络结构;最后,在Matlab环境下进行仿真实验,将提出的BP神经网络模型用于网络异常预测,结果表明本文提出的方法对网络异常预测有较高的预测率.
BPNN、智能巡检、异常预测
41
TP183(自动化基础理论)
国家自然科学基金项目61152003;四川省教育厅重点项目16ZA03532016;四川文理学院重点项目2016KZ002Z
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
142-148