计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2013年
5期
1481-1485
,共5页
张震%汪斌强%梁宁宁%程国振
張震%汪斌彊%樑寧寧%程國振
장진%왕빈강%량저저%정국진
流量分类%K-L变换%支持向量机%AdaBoost%弱分类器
流量分類%K-L變換%支持嚮量機%AdaBoost%弱分類器
류량분류%K-L변환%지지향량궤%AdaBoost%약분류기
针对传统分类方法的缺陷,提出了一种基于AdaBoost-SVM的流量方法.该方法利用K-L变换从大量冗余流量特征中遴选出少量本征特征,有效降低了算法的处理复杂度；应用AdaBoost机制将一次分类过程等分成若干层基于支持向量机的弱分类器,使得分类方法简单、易于实现；通过分层组合和迭代权重的方法聚焦在困难分类的数据样本上,提高了分类器的准确性能.理论分析和实验结果表明:在降低计算复杂度的同时,Ada-Boost-SVM算法的准确性能够达到95％.
針對傳統分類方法的缺陷,提齣瞭一種基于AdaBoost-SVM的流量方法.該方法利用K-L變換從大量冗餘流量特徵中遴選齣少量本徵特徵,有效降低瞭算法的處理複雜度；應用AdaBoost機製將一次分類過程等分成若榦層基于支持嚮量機的弱分類器,使得分類方法簡單、易于實現；通過分層組閤和迭代權重的方法聚焦在睏難分類的數據樣本上,提高瞭分類器的準確性能.理論分析和實驗結果錶明:在降低計算複雜度的同時,Ada-Boost-SVM算法的準確性能夠達到95％.
침대전통분류방법적결함,제출료일충기우AdaBoost-SVM적류량방법.해방법이용K-L변환종대량용여류량특정중린선출소량본정특정,유효강저료산법적처리복잡도；응용AdaBoost궤제장일차분류과정등분성약간층기우지지향량궤적약분류기,사득분류방법간단、역우실현；통과분층조합화질대권중적방법취초재곤난분류적수거양본상,제고료분류기적준학성능.이론분석화실험결과표명:재강저계산복잡도적동시,Ada-Boost-SVM산법적준학성능구체도95％.
