一种云教育平台下移动学习内不可信任数据的特征提取方法

通过云教育平台的移动学习我们发现有些数据的可信度较低,不利于学习的展开,因此对这种不可信任数据的特征提取方法就显得十分重要。文章提出云教育平台下移动学习内不可信任数据的特征提取方法,在云教育平台的框架下分析和研究移动学习内不可信任数据的构成特点,并针对这些数据进行基本统计处理并分析数据的波动趋势,实现对不可信任数据的特征提取。

敏感环境下不可信任数据特征提取方法研究

选择合适的模型和参数是敏感环境下不可信任数据特征提取最重要的方法,通过数值分析敏感环境下有一些数据的不可信程度较高,所以对不可信任数据的特征提取是十分关键的。文章从科学数据的角度出发,采用数据对比方式,对敏感环境下不可信任数据特征的提取方法进行了研究,根据敏感环境下不可信任数据的特点,针对数据的波动范围,完成对敏感环境下不可信任数据特征的提取。

通信网络不可信任数据特征快速提取仿真

当前不可信任数据特征提取方法提取不可信任数据特征所用的时间较长,得到的特征提取结果与实际结果之间的误差较大,存在特征提取效率低和特征提取结果准确率低的问题。提出通信网络不可信任数据特征快速提取方法,通过Adhoc算法计算信号在通信网络中的模极大值,在模极大值小波域定义的基础上结合模极大值计算结果得到信号在通信网络中的模极大值小波域,以模极大值小波域为依据计算信号的小波系数,并对其进行逆变换处理,去除通信网络中存在的噪声信号。利用核方法对去噪处理后通信网络中的低维不可信任数据进行非线性变化,并将变化后的数据投影到高维空间中,得到核矩阵,通过主成分分析法处理核矩阵,得到非奇异核矩阵,根据非奇异核矩阵提取得到通信网络中不可信任数据的特征。仿真结果表明,所提方法的特征提取效率高、特征提取结果准确率高。