基于改进型RBF神经网络的多标签蜕变关系预测方法

摘要

本发明公开一种基于改进型RBF神经网络的多标签蜕变关系预测方法，首先从函数源码创建控制流图(CFG)，然后从控制流图(CFG)提取一组特性，从CFG中提取两种类型的特性一种是基于结点的特性，一种是基于路径的特性，由特性值和标签构成训练集，采用改进型的RBF神经网络即优化隐含层RBF神经网络基函数中心的求取算法—k均值聚类，用AP聚类自动寻找k值，以获得隐含层结点数目，并构造Huffman树选取初始的聚类中心，然后构造体现多标签之间信息的标签计数向量C，然后与改进k均值聚类后求得的RBF神经网络基函数中心线性叠乘，获取新的基函数中心，建立RBF神经网络模型进行蜕变关系的预测。