[发明专利]一种网络节点信任预测方法、装置、设备及介质有效

专利信息
申请号: 201910180193.6 申请日: 2019-03-11
公开(公告)号: CN109728958B 公开(公告)日: 2022-07-15
发明(设计)人: 夏辉;张三顺;程相国;李莉;张睿 申请(专利权)人: 青岛大学
主分类号: H04L41/147 分类号: H04L41/147;H04L41/14
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 266000 *** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 网络 节点 信任 预测 方法 装置 设备 介质
【权利要求书】:

1.一种信任预测方法,其特征在于,包括:

获取目标网络节点的输入样本;所述输入样本由n个序列组成其中代表历史信任值构成的序列,所述输入样本是原始观测数据通过一阶累积运算变换后得到的累积数据其中i=1,2,...,n;k=1,2,...,m;相邻累积生成序列被定义为:

当所述输入样本为非线性类型时,通过核函数将所述输入样本的类型转化为线性类型;

通过灰色预测模型OGM(1,n)对线性类型的输入样本进行信任预测,生成信任预测结果;所述灰色预测模型OGM(1,n)中引入有非线性函数和偏离值,以对输入样本进行非线性预测;所述灰色预测模型OGM(1,n)表示为其中,ρ(k)为所述非线性函数,η为所述偏离值,b为系数。

2.根据权利要求1所述的方法,其特征在于,在所述通过核函数将所述输入样本的类型转化为线性类型之前,该方法还包括:

对所述核函数进行正则化处理。

3.根据权利要求2所述的方法,其特征在于,所述对所述核函数进行正则化处理包括:

基于岭回归或Lasso回归对所述核函数进行所述正则化处理。

4.根据权利要求3所述的方法,其特征在于,当基于所述岭回归对所述核函数进行所述正则化处理时,所述基于所述岭回归对所述核函数进行所述正则化处理包括:

基于所述岭回归并通过拉格朗日乘子法构造拉格朗日函数,通过求解所述拉格朗日函数对所述核函数进行所述正则化处理。

5.根据权利要求1至4任意一项所述的方法,其特征在于,所述通过核函数将所述输入样本的类型转化为线性类型包括:

通过经Mercer定理验证的核函数将所述输入样本的类型转化为线性类型。

6.一种信任预测装置,其特征在于,包括:

样本获取模块,用于获取目标网络节点的输入样本;所述输入样本由n个序列组成其中代表历史信任值构成的序列,所述输入样本是原始观测数据通过一阶累积运算变换后得到的累积数据其中i=1,2,...,n;k=1,2,...,m;相邻累积生成序列被定义为:

样本转化模块,用于当所述输入样本为非线性类型时,通过核函数将所述输入样本的类型转化为线性类型;

结果生成模块,用于通过灰色预测模型OGM(1,n)对线性类型的输入样本进行信任预测,生成信任预测结果;所述灰色预测模型OGM(1,n)中引入有非线性函数和偏离值,以对输入样本进行非线性预测;所述灰色预测模型OGM(1,n)表示为其中,ρ(k)为所述非线性函数,η为所述偏离值,b为系数。

7.一种信任预测设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的信任预测方法的步骤。

8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的信任预测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛大学,未经青岛大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910180193.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top