針對(duì)網(wǎng)絡(luò)流量分類過(guò)程中,傳統(tǒng)模型在小類別上的分類性能較差和難以實(shí)現(xiàn)頻繁、及時(shí)更新的問(wèn)題,提出一種基于集成學(xué)習(xí)的網(wǎng)絡(luò)流量分類模型（ELTCM）。首先,根據(jù)類別分布信息定義了偏向于小類別的特征度量,利用加權(quán)對(duì)稱不確定性和近似馬爾可夫毯（AMB）對(duì)網(wǎng)絡(luò)流量特征進(jìn)行降維,減小類不平衡問(wèn)題帶來(lái)的影響;然后,引入早期概念漂移檢測(cè)增強(qiáng)模型應(yīng)對(duì)流量特征隨網(wǎng)絡(luò)變化而變化的能力,并通過(guò)增量學(xué)習(xí)的方式提高模型更新訓(xùn)練的靈活性。利用真實(shí)流量數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),仿真結(jié)果表明,與基于C4.5決策樹(shù)的分類模型（DTITC）和基于錯(cuò)誤率的概念漂移檢測(cè)分類模型（ERCDD）相比,ELTCM的平均整體精確率分別提高了1.13%和0.26%,且各小類別的分類性能皆優(yōu)于對(duì)比模型。ELTCM有較好的泛化能力,能在不犧牲整體分類精度的情況下有效提高小類別的分類性能。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(08)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類系統(tǒng)結(jié)構(gòu)

特征選擇的流程如圖2所示，它主要包含生成特征子集（搜索策略）、評(píng)價(jià)準(zhǔn)則、停止準(zhǔn)則和結(jié)果驗(yàn)證[19]四個(gè)基本步驟。特征選擇方法在原始特征集合中利用特定的搜索策略得到備選子集，并根據(jù)某種評(píng)價(jià)指標(biāo)對(duì)選出的備選子集進(jìn)行評(píng)價(jià)，由最優(yōu)評(píng)估值的特征集合取代次優(yōu)特征集合，并根據(jù)停止準(zhǔn)則結(jié)束搜索，保證算法的有窮性，最后使用人工數(shù)據(jù)集或真實(shí)數(shù)據(jù)集測(cè)試所選子集的有效性。2 基于集成學(xué)習(xí)的網(wǎng)絡(luò)流量分類模型

基于集成學(xué)習(xí)的網(wǎng)絡(luò)流量分類模型（ELTCM）系統(tǒng)結(jié)構(gòu)如圖3所示。初始時(shí)，在預(yù)先獲取的數(shù)據(jù)集上進(jìn)行訓(xùn)練，得到一個(gè)基分類器；通過(guò)增量學(xué)習(xí)的方式，將新增的網(wǎng)絡(luò)流量及其通過(guò)基分類器所得的分類結(jié)果作為新的數(shù)據(jù)子集；若新的數(shù)據(jù)子集與前一階段的數(shù)據(jù)集相比，發(fā)生了概念漂移并達(dá)到一定程度時(shí)，采用新的數(shù)據(jù)集訓(xùn)練得到新的基分類器，并將新增基分類器加入集成分類系統(tǒng)，參與預(yù)測(cè)下一階段的網(wǎng)絡(luò)流量的分類結(jié)果。這樣，當(dāng)模型需要更新時(shí)，只需要利用少量的新樣本進(jìn)行訓(xùn)練，提高了模型更新訓(xùn)練的靈活性，縮短了模型更新的時(shí)間間隔。在訓(xùn)練基分類器時(shí)，提出一種基于加權(quán)對(duì)稱不確定性（Weighted Symmetric Uncertainty,WSU）和近似馬爾可夫毯（Approximate Markov Blanket,AMB）的特征選擇算法，充分考慮特征與類別間、特征與特征之間的相關(guān)性，在刪除不相關(guān)特征和冗余特征的同時(shí)，選出易于識(shí)別小類別的特征，減少類不平衡問(wèn)題帶來(lái)的影響。2.1 WSU＿AMB特征選擇算法

【參考文獻(xiàn)】：
期刊論文
[1]面向概念漂移問(wèn)題的漸進(jìn)多核學(xué)習(xí)方法[J]. 白東穎,易亞星,王慶超,余志勇.  計(jì)算機(jī)應(yīng)用. 2019(09)
[2]網(wǎng)絡(luò)背景流量的分類與識(shí)別研究綜述[J]. 鄒騰寬,汪鈺穎,吳承榮.  計(jì)算機(jī)應(yīng)用. 2019(03)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學(xué)報(bào). 2018(01)
[4]互聯(lián)網(wǎng)中基于用戶連接圖的流量分類機(jī)制[J]. 張震,汪斌強(qiáng),陳鴻昶,馬海龍.  電子與信息學(xué)報(bào). 2013(04)
[5]基于互信息選擇聚類集成的網(wǎng)絡(luò)流量分類方法[J]. 丁要軍,蔡皖東.  計(jì)算機(jī)應(yīng)用. 2013(01)
[6]基于最短劃分距離的網(wǎng)絡(luò)流量決策樹(shù)分類方法[J]. 楊哲,李領(lǐng)治,紀(jì)其進(jìn),朱艷琴.  通信學(xué)報(bào). 2012(03)
[7]基于C4.5決策樹(shù)的流量分類方法[J]. 徐鵬,林森.  軟件學(xué)報(bào). 2009(10)



本文編號(hào)：3529518