摘要
本发明公开了一种基于机器学习的物联网设备识别方法及装置,通过获取包含物联网设备的网络流量的数据集,并进行数据预处理得到多个网络流量,采用多种特征选择算法从网络流量中提取多个流量特征以确定最佳特征子集,输入已训练机器学习模型中进行物联网设备识别得到设备识别结果,基于设备识别结果对应的特征选择算法分别进行对比分析以完成物联网设备识别,采用各种特征选择算法来评估网络流量特征的有效性,以拟合最佳模型并在不同分类器之间实现最佳准确性,引入BGWO来确定物联网设备识别的最佳特征子集,利用了两个公开的物联网网络流量数据集来确保识别结果的可靠性,提高了分类器的性能,BGWO在所有分类器中实现了更高的准确性。
技术关键词
特征选择算法
物联网设备识别
最佳特征子集
识别方法
训练机器学习模型
皮尔逊相关系数
染色体
遗传算法
概率分布函数
分类器
数据
粒子
网络流量特征
表达式
离子
系统为您推荐了相关专利信息
电压暂降事件
样本
双向长短期记忆
计算机执行指令
识别电力系统
种植区
耦合特征
识别方法
深度神经网络模型
影像
机械故障识别方法
机械式电动挖掘机
故障检测模型
电铲
振动特征
患者临床数据
训练机器学习模型
标识
周期
预测系统