当前位置:主页 > 管理论文 > 移动网络论文 >

基于云计算的智能终端不良网站过滤系统

发布时间:2025-01-17 10:28
  随着信息技术与智能终端的快速发展,智能终端连接互联网也愈加方便,用户的娱乐时间也逐渐从个人电脑转向了智能终端。但互联网是一个内容丰富且较为自由的空间,容易被恶意的人利用发布不良信息对社会造成影响,因此国内外一些传统软件企业针对智能终端研发了具有不良网站拦截功能的手机卫士等产品。但这些产品中的一部分过滤技术并没有和目前主流的云计算平台相结合,也有部分检测功能的实现是基于云计算平台的,可采取过滤方式都是较为容易实现的黑白名单匹配检测方式,并没有充分发挥云计算平台处理大量数据的优势。因此研究如何将目前的主要的不良网站过滤技术与主流的云计算平台相结合形成优势互补,具有一定的实现意义。本文主要研究基于云计算的智能终端不良网站过滤技术,主要工作是对不良文本和不良图片的特征进行提取、并分类以及最后综合文本图片的分类结果对不良网站的类型进行最终判断。本文采用了基于Spark平台的改进KNN算法对网页上的内容信息进行识别训练分类,最后使用决策树算法模型对不良文本的类型以及不良图片的类型进行再次综合分析,最终判断出不良网站的不良类型,并根据预先设定好的阈值给出网站的危险等级。由于这些功能都是在云计算平台上并...

【文章页数】:82 页

【学位级别】:硕士

【部分图文】:

图2.1云计算服务云计算服务在平常使用中展现了很多特征,其关键特征如下所示:(1)敏捷性高,云计算可以通过重新配置提高用户的灵活性,增加或者扩大技术基础

图2.1云计算服务云计算服务在平常使用中展现了很多特征,其关键特征如下所示:(1)敏捷性高,云计算可以通过重新配置提高用户的灵活性,增加或者扩大技术基础

图2.1云计算服务服务在平常使用中展现了很多特征,其关键特征如下所示:敏捷性高,云计算可以通过重新配置提高用户的灵活性,增加或者扩访问便捷,用户只需要通过网络浏览器就可以访问系统,跨越了设备效率提升,对于多个用户处理同一个数据时,用户不需要在本地安装接在云环境下处理数据,节省....


图4.7基于Spark云平台改进KNN算法效率

图4.7基于Spark云平台改进KNN算法效率

图4.7基于Spark云平台改进KNN算法效率由图4.7可知道,KNN算法的精确度与选取的k的值有很大的关系,当选取k的值较小的时候,精确度相当低,而随着k值增大,算法准确度也逐渐提高,但是当选取的k值更大的时候,精确度大多数时候反而降低了,从而可....


图4.8基于Spark改进KNN算法运行时间由图4.8可知,在KNN算法以及基于Spark云平台改进KNN算法选取k的值都是最

图4.8基于Spark改进KNN算法运行时间由图4.8可知,在KNN算法以及基于Spark云平台改进KNN算法选取k的值都是最

图4.7基于Spark云平台改进KNN算法效率由图4.7可知道,KNN算法的精确度与选取的k的值有很大的关系,当选取k的值较小的时候,精确度相当低,而随着k值增大,算法准确度也逐渐提高,但是当选取的k值更大的时候,精确度大多数时候反而降低了,从而可....


图5.3YCbCr色彩空间图片

图5.3YCbCr色彩空间图片

doubleangle,doublestartAngledoubleendAngle,constScalar&colorintthinckness=1,intlineType=8,intshift=0)核心函数用来在图片上形成椭圆,其中主要的相关表....



本文编号:4027951

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/ydhl/4027951.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b8968***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com