隨著網(wǎng)絡(luò)應(yīng)用的迅猛發(fā)展,流量分類在網(wǎng)絡(luò)資源分配、流量調(diào)度和網(wǎng)絡(luò)安全等諸多研究領(lǐng)域受到廣泛關(guān)注�，F(xiàn)有的機(jī)器學(xué)習(xí)流量分類方法對(duì)流量數(shù)據(jù)特征的選取和分布要求苛刻,導(dǎo)致在實(shí)際應(yīng)用中的復(fù)雜流量場(chǎng)景下分類精確度和穩(wěn)定度難以提高。為了解決樣本特征屬性的復(fù)雜性給分類性能帶來的不利影響,引入了基于深度森林的流量分類方法。該算法通過級(jí)聯(lián)森林和多粒度掃描機(jī)制,能夠在樣本數(shù)量規(guī)模和特征屬性選取規(guī)模有限的情況下,有效地提高流量整體分類性能。通過網(wǎng)絡(luò)流量公開數(shù)據(jù)集Moore對(duì)支持向量機(jī)、隨機(jī)森林和深度森林機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練和測(cè)試,結(jié)果表明基于深度森林的網(wǎng)絡(luò)流量分類器的分類準(zhǔn)確率能夠達(dá)到96. 36%,性能優(yōu)于其他機(jī)器學(xué)習(xí)模型。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 數(shù)據(jù)集
    1.1 定義
    1.2 特征選取
2 模型描述
    2.1 級(jí)聯(lián)森林
    2.2 多粒度掃描
3 實(shí)驗(yàn)結(jié)果和分析
    3.1 gcForest分類模型
    3.2 模型性能
4 結(jié)論



本文編號(hào)：3905626