CAJ | 학술논문

P2P流的识别对于网络的维护与运营都具有重要意义,基于机器学习的流识别技术是目前研究的热点和难点内容,但目前仍然存在着建立分类模型需要大量适用的训练数据、训练数据的标记需要依赖领域专家以及因此而导致的工作量及难度过大和实用性不强等问题,而当前的研究工作很少涉及到这些问题的解决办法.针对这一问题,采用主动学习技术提取少量高质量的训练样本进行建模,并结合SVM分类算法提出了一种基于锦标赛选择的样本筛选方法.实验结果表明,其相对于已有的流识别方法,能够在仅依赖少量高质量训练样本的前提下,保证较高召回率及较低误报率,更适用于现实网络环境.
P2P류적식별대우망락적유호여운영도구유중요의의,기우궤기학습적류식별기술시목전연구적열점화난점내용,단목전잉연존재착건립분류모형수요대량괄용적훈련수거、훈련수거적표기수요의뢰영역전가이급인차이도치적공작량급난도과대화실용성불강등문제,이당전적연구공작흔소섭급도저사문제적해결판법.침대저일문제,채용주동학습기술제취소량고질량적훈련양본진행건모,병결합SVM분류산법제출료일충기우금표새선택적양본사선방법.실험결과표명,기상대우이유적류식별방법,능구재부의뢰소량고질량훈련양본적전제하,보증교고소회솔급교저오보솔,경괄용우현실망락배경.