声明
第一章 绪 论
1.1研究课题的背景和意义
1.2课题的研究现状
1.3论文研究内容
1.4论文章节安排
第二章 网络游戏作弊与机器学习理论综述
2.1网络游戏作弊综述
2.1.1网络游戏作弊方式概述
2.1.2作弊识别和防范技术
2.1.3鼠标宏原理与使用方法
2.2图像识别和图像处理
2.2.1概述
2.2.2图像处理的常用方法
2.3支持向量机
2.3.1基本型
2.3.2对偶问题
2.3.3软间隔
2.4残差网络
2.4.1概念
2.4.2 ResNet的特点
2.4.3网络结构
2.4.4 ResNet34
2.5本章小结
第三章 基于机器学习的研究流程和游戏实例建模分析
3.1基于机器学习的游戏作弊识别研究流程
3.1.1机器学习游戏作弊识别研究流程概述
3.1.2机器学习游戏作弊识别研究实例
3.2游戏数据类型与实例分析
3.2.1网络游戏类别及数据类型分析
3.2.2射击类网络游戏实例分析
3.3基于Unreal 4引擎的射击游戏仿真建模
3.3.1Unreal 4引擎概述
3.3.2模型框架与游戏流程
3.3.3游戏关键系统模拟
3.3.4仿真数据说明
3.4游戏行为特征分析
3.4.1玩家射击行为特征
3.4.2鼠标宏作弊行为特征
3.5本章小结
第四章 游戏数据特征分析与数据采集
4.1基于图像特征的游戏数据映射方法
4.1.1结合机器视觉的构想和应用依据
4.1.2基于计算机图形学的数据映射
4.2数据采集模块
4.3数据预处理模块
4.4自制数据集说明
4.5本章小结
第五章 机器学习建模与仿真
5.1机器学习建模工具与运行环境
5.1.1 PyTorch简介
5.1.2建模及训练PC配置
5.2基于FCM数据集的PCA分析与SVM建模
5.2.1基于PCA的FCM数据集分析
5.2.2 SVM的核函数
5.2.3基于PyTorch的SVM建模
5.2.4 SVM射击数据训练及核函数验证
5.3基于FCM数据集的残差网络应用分析与建模
5.3.1 ResNet理论特性与应用依据
5.3.2基于PyTorch的ResNet建模
5.3.3 ResNet射击数据验证分析
5.4测试结果与分析
5.4.1基于FCM数据集的SVM与ResNet测试结果比较
5.4.2结果对比与分析
5.4.3评估与总结
5.5进阶提升方法
5.5.1基于枪械分类的识别效果提升方法
5.5.2基于运营策略与机器学习指标的参数调整
5.5.3结合游戏历史数据的构想
5.6本章小结
5.6.1内容小结
5.6.2课题结论
第六章 总结与展望
6.1总结
6.2展望
致谢
参考文献
攻读研究生学位期间的研究成果