《表1 三种初始模型在历史数据上迭代100次的准确度均值与方差》
本文实验分为四个部分,第一部分:将随机森林、神经网络、朴素贝叶斯作为初始模型分发至各数据源,在历史数据集上进行训练,根据三种模型训练的结果计算准确度的平均值(mean,即准确率)及方差(variance),选择准确率最高且方差最小的作为初始全局模型。第二部分:将ti时间段的初始全局模型分发至各数据源,并进行训练得ti时间段的本地模型,再使用stacking集成算法集成本地模型,得ti时间段最有效的更新的全局模型。第三部分:各数据源使用RSA加密算法产生256 B的密钥对,将其公钥传输至可信第三方,ti时间段的初始全局模型使用公钥加密并传输至各数据源,各数据源使用私钥解密并进行训练。第四部分:可信的第三方使用ECDSA数字签名算法产生密钥对,将其私钥传输至各数据源,公钥传输至对应的区块中,各数据源使用私钥对ti时间段的初始全局模型参数、本地模型参数、更新的全局模型参数进行签名并传输至对应的区块,区块使用公钥进行验证并存储相应的数据块中。因随机森林、朴素贝叶斯、神经网络三种模型具有随机性,所以本文将每种初始模型迭代100次,计算其平均值及方差来衡量初始模型的性能,表1反映了初始模型在4个数据源的历史数据上的性能。
图表编号 | XD00201792800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.10 |
作者 | 罗长银、陈学斌、马春地、王君宇 |
绘制单位 | 华北理工大学理学院、河北省数据科学与应用重点实验室(华北理工大学)、唐山市数据科学重点实验室(华北理工大学)、华北理工大学理学院、河北省数据科学与应用重点实验室(华北理工大学)、唐山市数据科学重点实验室(华北理工大学)、华北理工大学理学院、华北理工大学理学院、河北省数据科学与应用重点实验室(华北理工大学)、唐山市数据科学重点实验室(华北理工大学) |
更多格式 | 高清、无水印(增值服务) |