卷积神经网络图像识别技术在入侵监测系统中的应用研究 |
| |
摘 要: | 为应对入侵手段复杂多样的安全形势,解决现有入侵监测技术成本高、适应性差的问题,设计研发一种成本低廉、兼容性好、方便拓展的入侵监测系统.应用开源深度机器学习框架Tensor FLow实现基于卷积神经网络的图像识别算法,构建辅助安全系统,并在多种工况下对系统有效性进行验证.结果表明:系统能以较高准确率对入侵行为进行识别,在多分类情景下,随训练样本数量的增加,模型预测准确率得到提高,而收敛时间有所增加,开启GPU加速后缩短为原来的1/10.
|
本文献已被 CNKI 等数据库收录! |
|