基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.

基于聚类分析的电子商务用户行为识别

在实际电子商务企业发展中,识别电子商务用户行为,对电子商务用户行为进行行之有效的评估,选择出最优的电子商务用户营销决策,以达成电子商务用户营销目的。应用聚类分析方法,通过对电子商务用户的行为进行聚类分析识别,可以优化制定出适合电子商务用户营销的发展决策。结论证实,基于聚类分析方法可以正确识别电子商务用户行为,为优化电商商务用户营销决策提供科学依据。

基于随机森林的用户行为识别模型研究

以用户历史用电量为基础,提出了基于随机森林的用户行为识别模型,并在实验分析中与多个分类算法进行对比。实验结果表明,在用户窃电行为识别问题上,随机森林组合模型具有更高良好的识别效果。

基于手机传感器的用户行为识别

基于手机传感器实现用户行为识别在健康监控、时间管理和个人喜好分析、资讯筛选和推送等方面的重要作用,研究一种基于手机三轴加速度传感器、方向传感器获取用户数据,采用SVM多分类方法中的决策树分类方法,在决策树各节点训练SVM分类器,用于识别静止、步行、奔跑、上楼梯和下楼梯等5种日常行为,进而实现对用户行为的识别。通过对不同实验者的交叉对比实验,识别准确率平均为91.65%,证明了这一方法的有效性。

基于行为分析的Web日志用户识别算法

文章提出了一种Web日志分析中数据预处理阶段用户识别的新算法。这种算法基于用户浏览行为的建模,能够很好地处理同一用户在不同地点上网情况下的用户识别问题。本算法通过归一化的支持度指标来选择最能代表用户浏览行为的行为模式,并用布尔编码的方式提取特征。用户间的相似度采用余弦相似方法计算,并利用KNN(K=1)的分类方法来识别用户。在特定构造的数据集上的实验表明文章提出的算法能够不依赖于IP信息识别用户并具有较好的识别率。

电话诈骗识别系统的设计与实现

本文将当前频发的电话诈骗问题与人工智能技术相结合,设计并实现了一个基于卷积神经网络的电话诈骗识别系统,该系统首先清洗并处理已采集的大批量用户话单数据,将其构建成用户特征图片,然后使用基于卷积神经网络技术构造的电话诈骗识别模型,对输入的用户通话特征图片进行挖掘,识别出诈骗人员的用户行为,从而帮助人们在通话初期提前识别出诈骗电话。

云计算中的数据存储加密技术研究

云计算存储技术以便利高效著称,成为数据存储的首选之地。但随着各类数据汇流而至,云安全中的数据加密便显得尤为关键。因而,此研究以此为主线,深度解读了云计算中的数据保存加密技术,并提出了创新的加密方式。研究所选的混合加密手段,融合了对称加密与非对称加密的优势,不仅护卫了数据隐私,同时也增强了数据的传输效率。用户行为的识别也被纳入其中,从而在保护用户隐私的同时,也对数据安全性做出切实的提升。模拟实验结果表明,该加密方案提高了云存储数据的安全性,同时保持了相对优秀的效率性能。该研究对云计算数据存储加密技术的完善具有重要的理论意义和实践价值,为云计算的数据加密提供了新的方向。