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。