準確的流量分類是網(wǎng)絡(luò)管理和網(wǎng)絡(luò)安全的有效保障。近年來基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量分類備受關(guān)注,特征選擇對于機器學(xué)習(xí)的分類效果有重要影響。但使整體分類性能達到最優(yōu)的特征選擇子集,并不一定使特定類別的分類性能達到最佳,這降低了分類性能可達到的上限,對此提出基于改進的一對一算法的流量分類模型。首先采用一對一的思想將流量多分類任務(wù)拆解為多個相互獨立的二分類子任務(wù),分別對任意兩類流量進行特征選擇和流量分類。所有子任務(wù)的分類結(jié)果采用Stacking策略結(jié)合。實驗表明,多種機器學(xué)習(xí)算法與特征選擇算法應(yīng)用于該模型的準確度較經(jīng)典模型均有提升。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 網(wǎng)絡(luò)流量分類系統(tǒng)流程
2 基于改進一對一算法的網(wǎng)絡(luò)流量分類
3 實驗
    3.1 實驗環(huán)境及數(shù)據(jù)集
    3.2 評判標準
    3.3 實驗結(jié)果
4 結(jié)束語



本文編號：3677567