在网络信息化高速发展的时代，网络流量数据拥有许多利用价值，其具有高噪声、不稳定等特点，导致对其预测难度较高。本文通过基于多项式修正的LSTM模型设计取自CICIDS的网络流量数据集进行多次的有效特征提取，利用多项式拟合的方式来修正不同LSTM模型提取出的特征权重。预测结果表明，此方法在保证预测的有效性和可靠性的基础上，能够并行训练不同模型的特征提取，避免了复杂网络中常见的“梯度消失或梯度爆炸”等因素引起的训练效果不佳的问题。
科研之友
微信
新浪微博
Facebook
分享链接
