计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2012年
4期
46-48,74
,共4页
流量识别%支持向量机%K 均值%集成学习
流量識彆%支持嚮量機%K 均值%集成學習
류량식별%지지향량궤%K 균치%집성학습
提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点.对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致;按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型.该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能.理论分析和仿真实验结果证明了方案的可行性.
提齣基于K均值集成和支持嚮量機相結閤的P2P流量識彆模型,以保證流量識彆精度和穩定性,剋服聚類識彆模型中參數值難以確定、複雜性高等缺點.對少量標籤樣本採用隨機簇中心的K均值算法訓練基聚類器,按最大後驗概率分配簇標籤,無標籤樣本與其最近簇標籤一緻;按投票機製集成無標籤樣本標籤信息,併結閤原標籤樣本訓練支持嚮量機識彆模型.該模型利用瞭集成學習穩定性和SVM在小樣本集上的良好汎化性能.理論分析和倣真實驗結果證明瞭方案的可行性.
제출기우K균치집성화지지향량궤상결합적P2P류량식별모형,이보증류량식별정도화은정성,극복취류식별모형중삼수치난이학정、복잡성고등결점.대소량표첨양본채용수궤족중심적K균치산법훈련기취류기,안최대후험개솔분배족표첨,무표첨양본여기최근족표첨일치;안투표궤제집성무표첨양본표첨신식,병결합원표첨양본훈련지지향량궤식별모형.해모형이용료집성학습은정성화SVM재소양본집상적량호범화성능.이론분석화방진실험결과증명료방안적가행성.