一种面向网络入侵检测深度学习模型的可视化方法
技术特征：
1.一种面向网络入侵检测深度学习模型的可视化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向网络入侵检测深度学习模型的可视化方法，其特征在于，在步骤s1中，数据获取与处理具体为：
3.根据权利要求1所述的面向网络入侵检测深度学习模型的可视化方法，其特征在于，在步骤s2中，可视化映射具体包括：
4.根据权利要求1所述的面向网络入侵检测深度学习模型的可视化方法，其特征在于，在步骤s3中，可视化布局实现中数据聚合可视化布局与实现具体如下：
5.根据权利要求1所述的面向网络入侵检测深度学习模型的可视化方法，其特征在于，在步骤s3中，可视化布局实现中互信息可视化布局与实现具体如下：
6.根据权利要求1所述的面向网络入侵检测深度学习模型的可视化方法，其特征在于，在步骤s3中，可视化布局实现中交互概念可视化布局与实现具体如下：
技术总结
本发明涉及信息可视化与可视分析技术领域，具体为一种面向网络入侵检测深度学习模型的可视化方法。结果探索可视化映射通过混淆矩阵显示模型在每个类别上的正确预测数量和错误预测数量；数据聚合可视化映射通过散点图的形式呈现与结果概览视图混淆矩阵单元格关联的数据样本的t‑SNE降维结果；互信息可视化映射展示DBN模每层都学到怎样的特征以及模型如何跨层处理样本；交互概念可视化映射编码特征的独立效用和特征之间的交互效用。本发明结合多视图联动与交互手段，基于上述可视化映射实现可视化布局，能更好地使研究人员了解模型的优势和劣势。
技术研发人员：朱敏,杨丹,高雯雯
受保护的技术使用者：四川大学
技术研发日：
技术公布日：2024/12/5
文档序号 :
【 40238844 】
技术研发人员：朱敏,杨丹,高雯雯
技术所有人：四川大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：朱敏,杨丹,高雯雯
技术所有人：四川大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除