基于卷积神经网络的网络通信异常信号智能识别方法

当前的网络通信异常信号智能识别节点设定多为单向,识别的范围受到限制,导致误识率增加,为此提出对基于卷积神经网络的网络通信异常信号智能识别方法的设计与研究,根据实际的识别需求及标准,先进行提取异常信号识别特征,采用多目标的形式,打破识别范围的限制,部署多目标识别节点,建立异常信号交叉判别矩阵,以此为基础,构建卷积神经网络异常信号智能识别模型,采用随机池化处理实现异常信号智能识别。对比于传统深度学习通信异常信号智能识别测试组、传统人工智能通信异常信号智能识别测试组此次所设计的卷积神经网络通信异常信号智能识别测试组最终得出的误识率被较好地控制在了15%以下,说明该种异常信号识别形式的速度及效率较高,识别的范围大,误差可控,具有实际的应用价值。