基于模型的机器学习方法用于评估区块链应用的性能

本研究采用机器学习模型方法，通过预设配置参数训练 k 最近邻和支持向量机来预测区块链性能，并利用蚂蚁群优化模型对达到所需性能水平的最优区块链配置进行研究。使用粗糙集理论增强蚂蚁群优化模型，证明了在不确定性条件下实现了精确推荐最优参数配置；统计比较表明，本模型具有竞争优势，k 最近邻模型的性能超过支持向量机 5％，ISO 模型相较于常规蚂蚁群优化模型减少了 4％的不准确度偏差。

该研究提出了一种利用区块链技术和智能合约自动化机器学习流程的统一分析框架，解决了部分应用程序所需的训练数据量不足的问题。研究中构建了三个核心机器学习算法的实现，并提出了在设备边缘部署的流媒体层上运行机器学习模型的新方法和一种可增强样本的综合数据生成方法。