期刊文献+

基于随机森林的用户行为识别模型研究 被引量:4

下载PDF
导出
摘要 以用户历史用电量为基础,提出了基于随机森林的用户行为识别模型,并在实验分析中与多个分类算法进行对比。实验结果表明,在用户窃电行为识别问题上,随机森林组合模型具有更高良好的识别效果。
作者 余以胜
出处 《电脑知识与技术》 2017年第3期156-157,共2页 Computer Knowledge and Technology
基金 该文系2014年广东省科技厅软科学研究计划项目:基于社会网络分析的区域协同创新体系研究(2014A070703043)、2016年广州市产学研协同创新重大专项:面向大数据管理的B2B交易云应用关键技术研究可行性研究系列成果之一
  • 相关文献

参考文献4

二级参考文献50

  • 1Breiman L.RandomForests [J]. Machine Learning, 2001,45(1). 被引量:1
  • 2Breiman L. Out--of-bag Estimation [OE/OL]. 1996. 被引量:1
  • 3"UCI Machine Learning" [EB/OL].http:// archive.ics.uci.edu/:mlearn/MLRepository.html , 2007. 被引量:1
  • 4中国互联网网络信息中心.第33次中国互联网发展状况调查统计报告[R/OL].(2014-03-05)【2014-07-01].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201403/t20140305-46240.htm. 被引量:1
  • 5Yardi S, Romero D, Schoenebeck G. Detecting spam in a twitter network. First Monday, 2009, 15(1): 1-13. 被引量:1
  • 6Stringhini G, Kruegel C, Vigna G. Detectingspammers on social networks // Proceedings 26th Annual Computer Security Applications ference. New York: ACM, 2010:1-9 of the Con-. 被引量:1
  • 7Thomas K, Grier C, Song D, et al. Suspended accounts in retrospect: an analysis of twitter spare // Proceedings of the 2011 ACM SIGCOMM Conference on Internet Measurement. New York: ACM, 2011 243-258. 被引量:1
  • 8Zhang X, Zhu S, Liang W. Detecting spam and promoting campaigns in the twitter social network // Proceedings of the 2012 IEEE 12th International Conference on Data Mining. Brussels: IEEE Com- puter Society, 2012:1194-1199. 被引量:1
  • 9Lee K, Eoff B D, Caverlee J. Seven months with the devils: a long-term study of content polluters on Twitter // AAAI Conference on Weblogs and Social Media (ICWSM). Barcelona, 2011 : 185-192. 被引量:1
  • 10Yang C, Harkreader R C, Gu G. Die free or live hard? empirical evaluation and new design for fighting evolving twitter spammers // Recent advances in intrusion detection. Berlin: Springer, 2011:318-337. 被引量:1

共引文献93

同被引文献20

引证文献4

二级引证文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部