本文關(guān)鍵詞：迭代優(yōu)化SVM網(wǎng)絡流量分類技術(shù)研究

  更多相關(guān)文章： 流量分類 機器學習 SVM 訓練速度 迭代優(yōu)化

【摘要】：針對傳統(tǒng)SVM分類方法訓練速度較慢的特點,提出了一種新的迭代調(diào)諧方法。該方法通過對SVM分類方法的參數(shù)進行迭代化以提高它的訓練速度。從NetFlow數(shù)據(jù)中提取流層面信息進行流量分類的實驗結(jié)果表明:迭代優(yōu)化SVM分類的訓練速度比傳統(tǒng)8種SVM分類方法更快,同時保持和其他8種分類方法近乎相同的分類精度。
【作者單位】： 海軍工程大學電子工程學院;
【關(guān)鍵詞】： 流量分類 機器學習 SVM 訓練速度 迭代優(yōu)化
【基金】：國家863計劃資助項目(2009AA01Z205) 國家重點科學專項基金資助項目(2010ZX03003-001)
【分類號】：TP393.06
【正文快照】： 隨著網(wǎng)絡/云服務的日益增長,互聯(lián)網(wǎng)流量急劇膨脹,網(wǎng)絡拓撲也更加復雜。對于網(wǎng)絡/云服務商來說,網(wǎng)絡流量準確分類及實時管控是保證網(wǎng)絡高效和利益最大化的關(guān)鍵。目前,國內(nèi)外流量分類方法主要在包層面、流層面進行研究[1]�；诎鼘用娴牧髁糠诸惙ㄖ饕谢诙丝谔柡突谟行лd，

本文編號：811817