公开(公告)号：CN111262873B

公开(公告)日：2022-06-03

申请号：CN202010064372.6

申请日：2020-01-20

Applicant: 安徽大学

Inventor： 王康 ,  王传旭 ,  张红伟 ,  李学 ,  林文豪

IPC: H04L9/40 ,  H04L41/14 ,  H04L41/147

Abstract: 本发明公开了一种基于小波分解的用户登录特征预测方法及其装置。该方法包括：提取数据，获得用户登录特征时间序列数据，用户登录特征时间序列数据包括登录时间间隔数据序列以及通过计算登录时刻与登出时刻的差值获得在线时长数据序列，对这两个数据序列预处理；通过用户登录特征时间序列数据进行数据预测；数据预测方法包括：对数据序列小波分解获得低频分量和高频分量；分别对低频分量和高频分量训练、建模、预测，获得低频分量预测序列和高频分量预测序列；将低频和高频分量的预测序列小波重构获得组合预测结果；对组合预测结果反归一化处理获得用户登录特征预测结果。本发明具有更好的预测效果，预测更为准确，精度更高，具有实际应用价值。

公开(公告)号：CN111262873A

公开(公告)日：2020-06-09

申请号：CN202010064372.6

申请日：2020-01-20

Applicant: 安徽大学

Inventor： 王康 ,  王传旭 ,  张红伟 ,  李学 ,  林文豪

IPC: H04L29/06 ,  H04L12/24

Abstract: 本发明公开了一种基于小波分解的用户登录特征预测方法及其装置。该方法包括：提取数据，获得用户登录特征时间序列数据，用户登录特征时间序列数据包括登录时间间隔数据序列以及通过计算登录时刻与登出时刻的差值获得在线时长数据序列，对这两个数据序列预处理；通过用户登录特征时间序列数据进行数据预测；数据预测方法包括：对数据序列小波分解获得低频分量和高频分量；分别对低频分量和高频分量训练、建模、预测，获得低频分量预测序列和高频分量预测序列；将低频和高频分量的预测序列小波重构获得组合预测结果；对组合预测结果反归一化处理获得用户登录特征预测结果。本发明具有更好的预测效果，预测更为准确，精度更高，具有实际应用价值。