基于深度置信网络的监测数据分类方法研究

摘要

深度置信网络数据分布具有随机性,分类难度较高,为了提高网络数据的监测性能,提出基于模糊K均值聚类的深度置信网络监测数据分类算法。构建深度置信网络监测数据的相空间分布结构模型,结合模糊聚类方法,建立深度置信网络监测数据的模糊关联规则分布集,提取深度置信网络监测数据的统计特征量,采用模糊K均值聚类分析法方法进行深度置信网络数据的特征融合聚类,根据聚类结果在信息融合中心进行深度置信网络数据的自适应分类和特征辨识。仿真结果表明,采用该方法监测数据分类的准确性较高,数据监测性能较好,提高了深度置信网络数据监测和信息分类能力。