基于監(jiān)督學(xué)習(xí)的類不均衡網(wǎng)絡(luò)流量分類算法研究
發(fā)布時間:2024-05-21 03:07
隨著互聯(lián)網(wǎng)的飛速發(fā)展,網(wǎng)絡(luò)流量分類技術(shù)在網(wǎng)絡(luò)管理和網(wǎng)絡(luò)安全領(lǐng)域的重要性日益凸顯;跈C器學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法具有分類精度高、可擴展性強等特點,得到了廣大研究人員的青睞,但流量樣本分布不均衡、分類模型更新不及時等問題依然突出。本文對基于監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法進行了分析與研究,主要研究內(nèi)容如下:1.針對網(wǎng)絡(luò)流量樣本分布不均衡導(dǎo)致分類器的性能被大類別淹沒,忽略小類別的分類精度的問題,提出一種基于相關(guān)性過濾的網(wǎng)絡(luò)流量特征選擇算法。首先,根據(jù)類別分布信息,定義偏向于小類別的特征度量——加權(quán)對稱不確定性;計算特征與類別間的加權(quán)對稱不確定性,通過與閾值進行比較,刪除不相關(guān)特征。接著,基于加權(quán)對稱不確定性重新對馬爾科夫毯條件進行定義,得到近似馬爾科夫毯條件,利用近似馬爾科夫毯刪除冗余特征。最后,采用基于相關(guān)性的特征度量和序列搜索算法進一步降低特征維數(shù),得到最優(yōu)特征子集。實驗結(jié)果表明,所提特征選擇算法能有效應(yīng)對類別分布不均衡問題,可以在不犧牲分類器整體精確率的情況下,有效提高小類別的識別率。2.針對網(wǎng)絡(luò)流量分類過程中,模型的分類精度隨著時間的推移逐漸降低以及模型難以實現(xiàn)頻繁、及時更新的問題,提出一...
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
注釋表
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于端口號的網(wǎng)絡(luò)流量分類
1.2.2 基于特征字段的網(wǎng)絡(luò)流量分類
1.2.3 基于傳輸層主機行為的網(wǎng)絡(luò)流量分類
1.2.4 基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量分類
1.3 主要研究內(nèi)容
1.4 論文組織架構(gòu)
第2章 網(wǎng)絡(luò)流量分類基本概念及相關(guān)技術(shù)
2.1 網(wǎng)絡(luò)流量分類
2.2 常用的監(jiān)督學(xué)習(xí)算法
2.2.1 樸素貝葉斯
2.2.2 邏輯斯蒂回歸
2.2.3 K近鄰
2.2.4 決策樹
2.2.5 支持向量機
2.3 基于監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類技術(shù)
2.3.1 特征選擇
2.3.2 常用性能評價指標(biāo)
2.4 本章小結(jié)
第3章 基于相關(guān)性過濾的網(wǎng)絡(luò)流量特征選擇算法
3.1 引言
3.2 算法描述
3.2.1 加權(quán)對稱不確定性
3.2.2 近似馬爾科夫毯
3.2.3 相關(guān)性度量
3.3 算法設(shè)計與分析
3.4 實驗仿真
3.4.1 數(shù)據(jù)集
3.4.2 關(guān)鍵參數(shù)設(shè)置
3.4.3 實驗結(jié)果與分析
3.5 本章小結(jié)
第4章 基于集成學(xué)習(xí)的類不均衡網(wǎng)絡(luò)流量分類模型
4.1 引言
4.2 算法描述
4.2.1 增量學(xué)習(xí)
4.2.2 早期概念漂移檢測
4.2.3 基分類器集成
4.3 算法設(shè)計與分析
4.4 實驗仿真
4.4.1 數(shù)據(jù)集
4.4.2 評價指標(biāo)
4.4.3 關(guān)鍵參數(shù)設(shè)置及基分類器的選擇
4.4.4 實驗結(jié)果與分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 研究工作總結(jié)
5.2 未來工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:3979519
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
注釋表
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于端口號的網(wǎng)絡(luò)流量分類
1.2.2 基于特征字段的網(wǎng)絡(luò)流量分類
1.2.3 基于傳輸層主機行為的網(wǎng)絡(luò)流量分類
1.2.4 基于機器學(xué)習(xí)的網(wǎng)絡(luò)流量分類
1.3 主要研究內(nèi)容
1.4 論文組織架構(gòu)
第2章 網(wǎng)絡(luò)流量分類基本概念及相關(guān)技術(shù)
2.1 網(wǎng)絡(luò)流量分類
2.2 常用的監(jiān)督學(xué)習(xí)算法
2.2.1 樸素貝葉斯
2.2.2 邏輯斯蒂回歸
2.2.3 K近鄰
2.2.4 決策樹
2.2.5 支持向量機
2.3 基于監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類技術(shù)
2.3.1 特征選擇
2.3.2 常用性能評價指標(biāo)
2.4 本章小結(jié)
第3章 基于相關(guān)性過濾的網(wǎng)絡(luò)流量特征選擇算法
3.1 引言
3.2 算法描述
3.2.1 加權(quán)對稱不確定性
3.2.2 近似馬爾科夫毯
3.2.3 相關(guān)性度量
3.3 算法設(shè)計與分析
3.4 實驗仿真
3.4.1 數(shù)據(jù)集
3.4.2 關(guān)鍵參數(shù)設(shè)置
3.4.3 實驗結(jié)果與分析
3.5 本章小結(jié)
第4章 基于集成學(xué)習(xí)的類不均衡網(wǎng)絡(luò)流量分類模型
4.1 引言
4.2 算法描述
4.2.1 增量學(xué)習(xí)
4.2.2 早期概念漂移檢測
4.2.3 基分類器集成
4.3 算法設(shè)計與分析
4.4 實驗仿真
4.4.1 數(shù)據(jù)集
4.4.2 評價指標(biāo)
4.4.3 關(guān)鍵參數(shù)設(shè)置及基分類器的選擇
4.4.4 實驗結(jié)果與分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 研究工作總結(jié)
5.2 未來工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:3979519
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/3979519.html
最近更新
教材專著