本文關(guān)鍵詞：基于隨機森林的流量多特征提取與分類研究　出處：《傳感器與微系統(tǒng)》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 流量統(tǒng)計特征 隨機森林 灰盒模型 特征提取

【摘要】：網(wǎng)絡(luò)流量的多樣化和復(fù)雜化以及高實時性要求對流量識別技術(shù)帶來了巨大挑戰(zhàn),而通過基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量分類中,流量統(tǒng)計特征選擇能夠快速準(zhǔn)確對流量進行識別,具有重要的研究意義。隨機森林(RF)作為近年較熱門的灰盒算法,對當(dāng)前的網(wǎng)絡(luò)流量具有較好的識別能力。通過隨機森林的節(jié)點選擇算法,對流量特征進行選擇,并結(jié)合物理意義進行優(yōu)化,進行多次特征提取。實驗結(jié)果表明:提出的算法在識別模型構(gòu)建上性能更加優(yōu)越,耗費時間大大減小,同時準(zhǔn)確度等指標(biāo)得到提高。
[Abstract]:The diversity and complexity of network traffic and the requirement of high real-time performance have brought great challenges to the traffic identification technology, and in the network traffic classification based on machine learning. Traffic statistic feature selection can identify traffic quickly and accurately, which is of great significance. Random Forest Forest (RFF) is a popular grey box algorithm in recent years. Through the node selection algorithm of random forest, the traffic characteristics are selected and optimized according to the physical meaning. The experimental results show that the proposed algorithm has better performance, less time consuming and higher accuracy in the construction of recognition model.
【作者單位】： 空軍工程大學(xué)信息與導(dǎo)航學(xué)院;廈門大學(xué)嘉庚學(xué)院;
【分類號】：TP393
【正文快照】： 0引言隨著網(wǎng)絡(luò)規(guī)模日益增大、5G等更高帶寬技術(shù)的高速發(fā)展、云計算與大數(shù)據(jù)的應(yīng)用呈爆發(fā)式增長,同時高附加值業(yè)務(wù)與用戶行為的日趨復(fù)雜,尤其是移動終端和去中心化、異構(gòu)網(wǎng)絡(luò)的普遍性,導(dǎo)致需要更加高效地進行網(wǎng)絡(luò)管理和數(shù)據(jù)流量控制。對網(wǎng)絡(luò)資源的有效分配利用,對用戶資源的分

【相似文獻】

相關(guān)會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測中的應(yīng)用[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學(xué)討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學(xué);2014年

2 雷震;隨機森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預(yù)測與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 錢維;藥品不良反應(yīng)監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年

3 賀捷;隨機森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質(zhì)結(jié)晶預(yù)測[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應(yīng)用研究[D];武漢理工大學(xué);2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學(xué);2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

9 趙亞紅;面向多類標(biāo)分類的隨機森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學(xué);2014年

，

本文編號：1433587