發(fā)布時(shí)間：2018-05-21 06:19

  本文選題：網(wǎng)絡(luò)流量分類 + K-均值�。� 參考：《電子技術(shù)應(yīng)用》2017年11期

【摘要】：針對(duì)網(wǎng)絡(luò)流量分類識(shí)別系統(tǒng)尤其是實(shí)時(shí)識(shí)別系統(tǒng)對(duì)實(shí)現(xiàn)復(fù)雜度和分類準(zhǔn)確率的要求,提出一種復(fù)雜度和準(zhǔn)確率的折中方案。通過基于密度的思想對(duì)K-means算法隨機(jī)選取初始聚類中心這一關(guān)鍵缺陷進(jìn)行改進(jìn),以及引入聚類有效性判別準(zhǔn)則函數(shù)確定最終聚類個(gè)數(shù)實(shí)現(xiàn)對(duì)算法的全面優(yōu)化,進(jìn)而提出基于改進(jìn)K-means算法的網(wǎng)絡(luò)流量分類方法,在兼顧K-means算法簡單易實(shí)現(xiàn)、分類快速特點(diǎn)的同時(shí),提高了分類的準(zhǔn)確率。在公開的權(quán)威網(wǎng)絡(luò)流量數(shù)據(jù)集上的實(shí)驗(yàn)表明,與普通K-means方法相比,該方法在網(wǎng)絡(luò)流量分類方面具有更高的分類準(zhǔn)確率和更好的穩(wěn)定性。
[Abstract]:According to the requirements of the network traffic classification recognition system, especially the real-time recognition system, to achieve the complexity and the classification accuracy, a compromise scheme of complexity and accuracy is proposed. Based on the idea of density, this paper improves the key defect of K-means algorithm to select the initial clustering center randomly, and introduces the clustering validity criterion function to determine the final number of clusters to achieve the overall optimization of the algorithm. Furthermore, a network traffic classification method based on improved K-means algorithm is proposed, which takes into account the simple and easy implementation of K-means algorithm and the fast classification, and improves the accuracy of classification. Experiments on the open authoritative network traffic data set show that the proposed method has higher classification accuracy and better stability than the conventional K-means method in network traffic classification.
【作者單位】： 國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心河北分中心;
【基金】：國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全技術(shù)研究專項(xiàng)(242研究計(jì)劃)(2016QN027)
【分類號(hào)】：TP311.13;TP393.0

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃旭;呂強(qiáng);錢培德;;一種用于蛋白質(zhì)結(jié)構(gòu)聚類的聚類中心選擇算法[J];自動(dòng)化學(xué)報(bào);2011年06期

2 樊曉光;路釗;王久崇;李國棟;謝朝政;;基于密度和距離積的聚類中心選取方法[J];測(cè)控技術(shù);2013年10期

3 趙峰;張軍英;劉敬;;核最優(yōu)變換與聚類中心的算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年01期

4 朱云賀;張春海;張博;;基于數(shù)據(jù)分段的K-means的優(yōu)化研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年11期

5 李春生;王耀南;;聚類中心初始化的新方法[J];控制理論與應(yīng)用;2010年10期

6 陳侃;李彬;田聯(lián)房;;基于局部閾值和聚類中心迭代的肺結(jié)節(jié)檢測(cè)算法[J];計(jì)算機(jī)科學(xué);2012年02期

7 寧永恒;楊小兵;王康健;;一種多聚類中心的劃分方法[J];中國計(jì)量學(xué)院學(xué)報(bào);2014年02期

8 高潮;田翠翠;郭永彩;;基于改進(jìn)聚類中心分析法的紅外行人分割[J];計(jì)算機(jī)工程;2011年06期

9 裴繼紅,范九倫,謝維信;聚類中心的初始化方法[J];電子科學(xué)學(xué)刊;1999年03期

10 陳英;何中市;黃敏;;一種優(yōu)化的K-means聚類中心算法研究[J];制造業(yè)自動(dòng)化;2012年08期

相關(guān)會(huì)議論文 前1條

1 吳繼兵;李心科;;基于K-最近鄰居圖劃分的聚類中心初始化算法[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

相關(guān)碩士學(xué)位論文 前3條

1 劉云;中文文本關(guān)鍵詞提取和文本聚類中聚類中心點(diǎn)選取算法研究[D];江蘇大學(xué);2016年

2 劉均峰;微博話題檢測(cè)與跟蹤方法研究[D];華中科技大學(xué);2016年

3 徐祥;多中心聚類算法的研究與改進(jìn)[D];安徽大學(xué);2015年

，

本文編號(hào)：1918091