基于机器学习算法的网络信息可信性感知仿真
Computer Simulation（2020）
摘要
针对传统感知网络信息可信性的方法存在感知结果与事实不一致、影响网络运行速度等同题,提出一种基于机器学习算法的网络信息可信性感知.对网络信息可信性影响要素进行分析,将其主要分为三种影响因素,建立机器学习算法的基础相关向量机模型.通过贝叶斯理论等,将机器学习算法向量机模型进行推导,采用狄拉克函数进行相对应的近似计算,降低信息数据传输,提升核函数选择范围.将网络信息可信性感知评价标准分为主观和客观两部分,主观为信息内容质量感知,客观为网络稳定性感知,以此实现网络信息可信性感知的评价.仿真结果表明:所提感知方法能够快速评判目标信息可信程度,在网络不稳定时能够精准感知,且网络运行速度较快.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要