基于云安全模型的层次泛函网络整体学习算法

作     者：徐胜超 邓斌涛 XU Shengchao;DNEG Bintao

作者机构：广州华商学院数据科学学院广州511300 

基　　金：国家自然科学基金项目(青年基金)(编号:61403219) 广州华商学院校内导师制科研项目(编号:2022HSDS07)资助 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2022年第50卷第7期

页      码：1405-1409,1438页

摘      要：层次结构的泛函网络结构存在较多的隐变量,导致相同时间周期内的学习预测次数较少,为此设计基于云安全模型的层次泛函网络整体学习算法。采用云服务器获取安全模型运行时的各类信息数据,定义云安全模型内指标的姿态值,并构建姿态值三元约束数值关系,控制网络结构内隐变量数量,构建层次泛函网络逼近数值模型,将同等属性数据集的泛函数值处理为输入单元,输出整体学习算法形成的邻近域。结果表明:所设计的整体学习算法产生的学习预测次数最多,算法的学习预测能力最强。

主 题 词：云安全模型 层次泛函网络 整体学习 隐变量 神经元突变 三元约束数值关系 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-9722.2022.07.002

馆 藏 号：203114069...