计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2014年
3期
798-802
,共5页
点对点%流量识别%K均值%决策树%流量特征
點對點%流量識彆%K均值%決策樹%流量特徵
점대점%류량식별%K균치%결책수%류량특정
P2P%traffic identification%K-Means%decision tree%traffic characteristic
针对标签样本稀少造成的有监督学习的P2P(peer-to-peer)流量识别方法精确度不高的问题,提出了一种基于K均值与决策树的P2P流量识别模型.该模型基于K均值的半监督聚类算法对标签样本和无标签样本进行预处理,利用标签样本建立映射关系,获得无标签样本的类别信息,通过训练处理过的样本建立决策树模型.实验比较了三组不同K值对识别模型精度的影响,并对本文识别模型与决策树识别模型的识别精确度进行测试.测试结果表明,在只有少量标签样本的情况下,该模型能保持较高的识别精度.
針對標籤樣本稀少造成的有鑑督學習的P2P(peer-to-peer)流量識彆方法精確度不高的問題,提齣瞭一種基于K均值與決策樹的P2P流量識彆模型.該模型基于K均值的半鑑督聚類算法對標籤樣本和無標籤樣本進行預處理,利用標籤樣本建立映射關繫,穫得無標籤樣本的類彆信息,通過訓練處理過的樣本建立決策樹模型.實驗比較瞭三組不同K值對識彆模型精度的影響,併對本文識彆模型與決策樹識彆模型的識彆精確度進行測試.測試結果錶明,在隻有少量標籤樣本的情況下,該模型能保持較高的識彆精度.
침대표첨양본희소조성적유감독학습적P2P(peer-to-peer)류량식별방법정학도불고적문제,제출료일충기우K균치여결책수적P2P류량식별모형.해모형기우K균치적반감독취류산법대표첨양본화무표첨양본진행예처리,이용표첨양본건립영사관계,획득무표첨양본적유별신식,통과훈련처리과적양본건립결책수모형.실험비교료삼조불동K치대식별모형정도적영향,병대본문식별모형여결책수식별모형적식별정학도진행측시.측시결과표명,재지유소량표첨양본적정황하,해모형능보지교고적식별정도.
