準確的流量分類是網(wǎng)絡管理和網(wǎng)絡安全的有效保障。近年來基于機器學習的網(wǎng)絡流量分類備受關注,特征選擇對于機器學習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拆解為多個相互獨立的二分類子任務,分別對任意兩類流量進行特征選擇和流量分類。所有子任務的分類結果采用Stacking策略結合。實驗表明,多種機器學習算法與特征選擇算法應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)絡流量分類系統(tǒng)流程
2 基于改進一對一算法的網(wǎng)絡流量分類
3 實驗
    3.1 實驗環(huán)境及數(shù)據(jù)集
    3.2 評判標準
    3.3 實驗結果
4 結束語



本文編號：3677567