论文部分内容阅读
针对传统感知网络信息可信性的方法存在感知结果与事实不一致、影响网络运行速度等问题,提出一种基于机器学习算法的网络信息可信性感知。对网络信息可信性影响要素进行分析,将其主要分为三种影响因素,建立机器学习算法的基础相关向量机模型。通过贝叶斯理论等,将机器学习算法向量机模型进行推导,采用狄拉克函数进行相对应的近似计算,降低信息数据传输,提升核函数选择范围。将网络信息可信性感知评价标准分为主观和客观两部分,主观为信息内容质量感知,客观为网络稳定性感知,以此实现网络信息可信性感知的评价。仿真结果表明:所提感知