【摘要】：針對(duì)網(wǎng)絡(luò)流量特征選擇過(guò)程中存在的樣本標(biāo)記瓶頸問(wèn)題,以及現(xiàn)有半監(jiān)督方法無(wú)法選擇強(qiáng)相關(guān)的特征的不足,提出一種基于類(lèi)標(biāo)記擴(kuò)展的多類(lèi)半監(jiān)督特征選擇(SFSEL)算法。該算法首先從少量的標(biāo)記樣本出發(fā),通過(guò)K-means算法對(duì)未標(biāo)記樣本進(jìn)行類(lèi)標(biāo)記擴(kuò)展;然后結(jié)合基于雙重正則的支持向量機(jī)(MDrSVM)算法實(shí)現(xiàn)多類(lèi)數(shù)據(jù)的特征選擇。與半監(jiān)督特征選擇算法Spectral、PCFRSC和SEFR在Moore數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn),SFSEL得到的分類(lèi)準(zhǔn)確率和召回率明顯都要高于其他算法,而且SFSEL算法選擇的特征個(gè)數(shù)明顯少于其他算法。實(shí)驗(yàn)結(jié)果表明:SFSEL算法能夠有效地提高所選特征的相關(guān)性,獲取更好的網(wǎng)絡(luò)流量分類(lèi)性能。
[Abstract]:In order to solve the bottleneck problem of sample marking in the process of network traffic feature selection and the deficiency that the existing semi-supervised methods can not select strongly related features, a multi-class semi-supervised feature selection (SFSEL) algorithm based on class tag extension is proposed. Firstly, the class marking of unmarked samples is extended by K-means algorithm from a small number of tagged samples, and then the feature selection of multi-class data is realized by combining support vector machine (MDrSVM) algorithm based on double regularity. Compared with the semi-supervised feature selection algorithms Spectral,PCFRSC and SEFR in Moore datasets, the classification accuracy and recall rate of SFSEL are obviously higher than those of other algorithms, and the number of features selected by SFSEL algorithm is obviously less than that of other algorithms. The experimental results show that the SFSEL algorithm can effectively improve the correlation of the selected features and obtain better network traffic classification performance.
【作者單位】： 信息工程大學(xué)信息系統(tǒng)工程學(xué)院;
【基金】：國(guó)家安全重大基礎(chǔ)研究項(xiàng)目(613148)
【分類(lèi)號(hào)】：TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李平紅;王勇;陶曉玲;;基于成對(duì)約束擴(kuò)展的半監(jiān)督網(wǎng)絡(luò)流量特征選擇算法[J];傳感器與微系統(tǒng);2013年05期

2 王博;賈焰;田李;;基于類(lèi)標(biāo)號(hào)擴(kuò)展的半監(jiān)督特征選擇算法[J];計(jì)算機(jī)科學(xué);2009年10期

3 王濤;余順爭(zhēng);;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類(lèi)研究進(jìn)展[J];小型微型計(jì)算機(jī)系統(tǒng);2012年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王磊;劉艷;;基于約束Laplacian分值的半監(jiān)督特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年04期

2 李平紅;王勇;陶曉玲;;基于成對(duì)約束擴(kuò)展的半監(jiān)督網(wǎng)絡(luò)流量特征選擇算法[J];傳感器與微系統(tǒng);2013年05期

3 李斌;;大數(shù)據(jù)及其發(fā)展趨勢(shì)研究[J];廣西教育;2013年35期

4 李斌;;網(wǎng)絡(luò)流量分類(lèi)及其現(xiàn)狀研究[J];廣西教育;2013年39期

5 曾偉;;多子種群PSO優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測(cè)[J];北京交通大學(xué)學(xué)報(bào);2013年05期

6 苗長(zhǎng)勝;原常青;王興偉;常桂然;;基于互信息和文化基因算法的網(wǎng)絡(luò)流量特征選擇[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年11期

7 葉吉祥;龔希齡;;一種快速的Wrapper式特征子集選擇新方法[J];長(zhǎng)沙理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

8 代琨;于宏毅;李青;;一種基于支持向量機(jī)的特征選擇算法[J];模式識(shí)別與人工智能;2014年05期

9 李平紅;陶曉玲;王勇;;一種多分類(lèi)器選擇性集成的網(wǎng)絡(luò)流量分類(lèi)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年07期

10 張大衛(wèi);李海雁;;基于相空間重構(gòu)雙參數(shù)聯(lián)合估計(jì)的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2014年09期

相關(guān)博士學(xué)位論文 前2條

1 程紅蓉;垃圾圖像特征提取與選擇研究[D];電子科技大學(xué);2011年

2 劉珍;因特網(wǎng)流量類(lèi)不平衡特性與分類(lèi)方法的研究[D];華南理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前2條

1 趙樹(shù)鵬;面向不同應(yīng)用類(lèi)型的在線流量分類(lèi)特征的研究[D];濟(jì)南大學(xué);2013年

2 葛明陽(yáng);基于流量的VOIP行為檢測(cè)系統(tǒng)[D];北方工業(yè)大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 徐鵬;劉瓊;林森;;基于支持向量機(jī)的Internet流量分類(lèi)研究[J];計(jì)算機(jī)研究與發(fā)展;2009年03期

2 王博;賈焰;田李;;基于類(lèi)標(biāo)號(hào)擴(kuò)展的半監(jiān)督特征選擇算法[J];計(jì)算機(jī)科學(xué);2009年10期

3 劉瓊;劉珍;黃敏;;基于機(jī)器學(xué)習(xí)的IP流量分類(lèi)研究[J];計(jì)算機(jī)科學(xué);2010年12期

4 韋佳;彭宏;;基于局部與全局保持的半監(jiān)督維數(shù)約減方法[J];軟件學(xué)報(bào);2008年11期

5 徐鵬;林森;;基于C4.5決策樹(shù)的流量分類(lèi)方法[J];軟件學(xué)報(bào);2009年10期

6 張賓;楊家海;吳建平;;Internet流量模型分析與評(píng)述[J];軟件學(xué)報(bào);2011年01期

7 柳斌;李之棠;涂浩;;一種基于半監(jiān)督學(xué)習(xí)的應(yīng)用層流量分類(lèi)方法[J];微電子學(xué)與計(jì)算機(jī);2008年10期

8 王宇;余順爭(zhēng);;網(wǎng)絡(luò)流量的決策樹(shù)分類(lèi)[J];小型微型計(jì)算機(jī)系統(tǒng);2009年11期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖立中;劉云翔;;適合于入侵檢測(cè)的分步特征選擇算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年11期

2 王秀英;邵志清;劉紅麗;;一種雜交特征選擇算法及其應(yīng)用[J];計(jì)算機(jī)工程;2008年11期

3 李平紅;王勇;陶曉玲;;基于成對(duì)約束擴(kuò)展的半監(jiān)督網(wǎng)絡(luò)流量特征選擇算法[J];傳感器與微系統(tǒng);2013年05期

4 黎銀環(huán);鐘艷花;;入侵檢測(cè)中的混合特征選擇算法研究[J];微電子學(xué)與計(jì)算機(jī);2012年09期

5 李玲娟;周桂芳;王汝傳;;一種適用于IDS的多次模糊迭代特征選擇算法[J];計(jì)算機(jī)科學(xué);2007年04期

6 李文法;段m#毅;劉悅;孫春來(lái);;一種面向流分類(lèi)的特征選擇算法[J];中文信息學(xué)報(bào);2009年03期

7 董小國(guó);丁冉;;IDS自適應(yīng)特征選擇算法——進(jìn)化包裝(Wrapper)算法分析[J];微計(jì)算機(jī)信息;2006年33期

8 楊云峰;;基于Relief-SBS特征選擇算法的入侵檢測(cè)方法研究[J];河池學(xué)院學(xué)報(bào);2013年02期

9 林開(kāi)標(biāo);盧萍;李佳莉;;基于SVM-RFE的非平衡數(shù)據(jù)特征選擇算法[J];福建電腦;2012年09期

10 喻春萍;黃曉霞;;基于CFS-GA特征選擇算法的中文網(wǎng)頁(yè)自動(dòng)分類(lèi)[J];上海海事大學(xué)學(xué)報(bào);2012年01期

相關(guān)碩士學(xué)位論文 前1條

1 楊飛虎;特征選擇算法及其在網(wǎng)絡(luò)流量識(shí)別中的應(yīng)用研究[D];南京郵電大學(xué);2012年

，

本文編號(hào)：2514320