由于人工智能算法的训练通常要求海量的标注样本,而当无线网络入侵者采取一些欺骗手段时,对这些样本进行标注将消耗海量的计算资源。为了实现对频道样本的充分利用,本文提出了基于半监督学习的底层安全接入算法。通过利用K均值和少量已标注频道样本,对其他未被标注样本进行聚类。通过标注假标记的形式实现了卷积模型训练数据集的扩大。仿真验证表明所提算法在标注样本数目有限情况下具有较好性能。
科研之友
微信
新浪微博
Facebook
分享链接
