高斯过程机器学习的基线计算算法

摘要：

　　为了对网络监视领域中样本进行预测和相关处理，大多数研究在计算基线时，都忽略了样本的概率特征，未能结合样本的数据分布，对样本进行相关的处理。因此，本文首先分析样本历史数据的噪音，通过引入高斯过程机器学习方法，提出了基于周期样本的高斯过程机器学习方法，通过采用复合核函数，实现了网络主动监控中的基线计算。通过实验，与其它算法相比，大大提高了效率，而且保证了近似的准确性。最终保障网络安全、提升网络性能和用户满意度。

关键词： 基线计算 高斯过程 机器学习 周期样本 复合核函数

作者: 杜占玮 杨永健 白媛

作者单位: 吉林大学计算机科学与技术学院,长春130012

会议类型: 国内会议

会议名称: 第8届全国计算机支持的协同工作学术会议(CCSCW-2012)暨全国第23届计算机技术与应用学术会议(CACIS-2012)

会议地点: 威海

会议语种:中文

页码: 125-130

在线出版日期: 2012-07-20（万方平台首次上网日期，不代表论文的发表时间）