典型文献
基于卷积神经网络的物联网设备类型识别方法
文献摘要：
针对传统物联网设备类型识别方法在数据特征不明显、训练数据不足的情况下,难以对设备进行准确识别的问题,提出一种基于卷积神经网络的物联网设备类型识别方法.首先从互联网上获取设备WEB接口的页面截图构造数据集,然后利用卷积神经网络的泛化能力提取截图的模糊特征,构建多标签识别模型,实现对设备类型的准确识别.与传统的基于WEB页面的设备类型识别方法相比,减少了对数据特征和规模的依赖.实验结果表明,该方法的准确率达到了 78.8％,与成熟的图像识别架构Xception和ResNet50相比,更适合物联网设备类型识别.
文献关键词：
截图;设备识别;机器学习;卷积神经网络
中图分类号：
作者姓名：
董卫宇;王瑞敏;成辉;戚旭衍
作者机构：
信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]董卫宇;王瑞敏;成辉;戚旭衍-.基于卷积神经网络的物联网设备类型识别方法)[J].信息工程大学学报,2022(03):257-263
A类：
B类：
物联网设备,类型识别,数据特征,训练数据,准确识别,WEB,页面,截图,图构造,构造数据,泛化能力,模糊特征,多标签,标签识别,识别模型,图像识别,别架,Xception,ResNet50,设备识别
AB值：
0.339354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
