[發明專利]網絡行為預測模型的構建方法及裝置、網絡行為預測方法

在審

• 申請號: 201811599659.8
• 申請日: 2018-12-26
• 公開（公告）號: CN109740052A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 張滬寅;李聰;伍永豪
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2458
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

本發明提供了一種網絡行為預測模型的構建方法及裝置、網絡行為預測方法，其中的預測模型的構建方法包括：首先收集網絡行為歷史數據；并對網絡行為歷史數據進行預處理；然后采用預設聚類算法FCM對預處理后的網絡行為歷史數據進行聚類，構建網絡行為訓練集；再將網絡行為訓練集輸入最小二乘支持向量機LSSVM進行訓練，并查找LSSVM的優化參數；最后基于優化參數，構建網絡行為預測模型。本發明實現了對用戶網絡行為進行預測并提高預測準確性的技術效果。

技術領域

本發明涉及行為識別技術領域，具體涉及一種網絡行為預測模型的構建方法及裝置、網絡行為預測方法。

背景技術

人體行為識別是一種通過獲取和分析人體行為相關數據，判斷人體行為狀態的技術。通過獲知人體基礎行為活動，該技術能夠為運動追蹤、健康監測、跌倒檢測、老年人監護、病人恢復訓練、復雜行為識別、輔助工業制造、人機交互、增強現實、室內定位及導航、個人特征識別、城市化計算等眾多領域的研究和應用提供人體相關信息，因此具有重要的應用價值和研究意義。

現有技術中，通常采用移動設備(例如傳感器、GPS、六軸陀螺儀等)來采集人體的相關數據，然后通過識別模型來進行人體行為的識別。

本發明申請人在實施本發明的過程中，發現現有技術中至少存在如下技術問題：

現有方法中，僅能識別人體的運動行為，例如走路、跑步、靜止等，而無法對人體的其他行為進行識別或預測，且缺乏對行為預測進行準確預測的模型。

由此可知，現有技術中存在無法對用戶的網絡行為進行預測或者進行準確預測的問題。

發明內容

有鑒于此，本發明實施例提供了一種網絡行為預測模型的構建方法及裝置、網絡行為預測方法，用以解決或者至少解決現有技術中存在無法對用戶的網絡行為進行預測或者進行準確預測的問題。

本發明第一方面提供了一種網絡行為預測模型的構建方法，包括：

步驟S1：收集網絡行為歷史數據；

步驟S2：對網絡行為歷史數據進行預處理；

步驟S3：采用預設聚類算法FCM對預處理后的網絡行為歷史數據進行聚類，構建網絡行為訓練集；

步驟S4：將網絡行為訓練集輸入最小二乘支持向量機LSSVM進行訓練，并查找LSSVM的優化參數；

步驟S5：基于優化參數，構建網絡行為預測模型。

在一種實施方式中，步驟S1中，網絡行為歷史數據包括以下信息中的一種或多種：

GPS信息、移動信息、時間信息和使用信息。

在一種實施方式中，步驟S2，具體包括采用公式(1)對網絡行為歷史數據進行預處理，

x'＝(x-x_min)/(x_max-x_min) (1)

其中，x'表示預處理后的網絡行為歷史數據，x表示收集的網絡行為歷史數據，x_max和x_min分別表示預設的數據規模上界和下界。

在一種實施方式中，步驟S3具體包括：

步驟S3.1：根據公式(2)計算隸屬度矩陣：

步驟S3.2：計算價值函數J，判斷J是否小于閾值R，如果小于則終止，得到聚類中心C、模糊隸屬度矩陣U和距離矩陣D，執行步驟S3.4，否則執行步驟S3.3；

步驟S3.3：根據式(3)重新計算聚類中心Ci：