您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 计算机网络 > 摘要

支持向量机的半监督网络流量分类方法

《计算机应用》2013年 第6期 | 李平红 王勇 陶晓玲   桂林电子科技大学计算机科学与工程学院 广西桂林541004 桂林电子科技大学广西可信软件重点实验室 广西桂林541004 桂林电子科技大学信息与通信学院 广西桂林541004
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:针对传统网络流量分类方法准确率低、开销大、应用范围受限等问题,提出一种支持向量机(SVM)的半监督网络流量分类方法。该方法在SVM训练中,使用增量学习技术在初始和新增样本集中动态地确定支持向量,避免不必要的重复训练,改善因出现新样本而造成原分类器分类精度降低、分类时间长的情况;改进半监督Tri-training方法对分类器进行协同训练,同时使用大量未标记和少量已标记样本对分类器进行反复修正,减少辅助分类器的噪声数据,克服传统协同验证对分类算法及样本类型要求苛刻的不足。实验结果表明,该方法可明显提高网络流量分类的准确率和效率。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络管理
【关键词】 网络流量分类 支持向量机 半监督 增量学习 协同训练
【出 处】 《计算机应用》2013年 第6期 1515-1518页 共4页
【收 录】 中文科技期刊数据库