计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2014年
7期
182-185,310
,共5页
网络流量分类%多分类器%选择性集成%多样性%流量分类框架
網絡流量分類%多分類器%選擇性集成%多樣性%流量分類框架
망락류량분류%다분류기%선택성집성%다양성%류량분류광가
Network traffic classification%Multiple classifiers%Selective ensemble%Diversity%Traffic classification framework
针对多分类器集成方法产生的流量分类器在泛化能力方面的局限性,提出一种选择性集成网络流量分类框架,以满足流量分类对分类器高效的需求.基于此框架,提出一种多分类器选择性集成的网络流量分类方法MCSE(Multiple Classifiers Selective Ensemble network traffic classification method),解决多分类器的选取问题.该方法首先利用半监督学习技术提升基分类器的精度,然后改进不一致性度量方法对分类器差异性的度量策略,降低多分类器集成方法实现网络流量分类的复杂性,有效减少选择最优分类器的计算开销.实验表明,与Bagging算法和GASEN算法相比,MCSE方法能更充分利用基分类器间的互补性,具有更高效的流量分类性能.
針對多分類器集成方法產生的流量分類器在汎化能力方麵的跼限性,提齣一種選擇性集成網絡流量分類框架,以滿足流量分類對分類器高效的需求.基于此框架,提齣一種多分類器選擇性集成的網絡流量分類方法MCSE(Multiple Classifiers Selective Ensemble network traffic classification method),解決多分類器的選取問題.該方法首先利用半鑑督學習技術提升基分類器的精度,然後改進不一緻性度量方法對分類器差異性的度量策略,降低多分類器集成方法實現網絡流量分類的複雜性,有效減少選擇最優分類器的計算開銷.實驗錶明,與Bagging算法和GASEN算法相比,MCSE方法能更充分利用基分類器間的互補性,具有更高效的流量分類性能.
침대다분류기집성방법산생적류량분류기재범화능력방면적국한성,제출일충선택성집성망락류량분류광가,이만족류량분류대분류기고효적수구.기우차광가,제출일충다분류기선택성집성적망락류량분류방법MCSE(Multiple Classifiers Selective Ensemble network traffic classification method),해결다분류기적선취문제.해방법수선이용반감독학습기술제승기분류기적정도,연후개진불일치성도량방법대분류기차이성적도량책략,강저다분류기집성방법실현망락류량분류적복잡성,유효감소선택최우분류기적계산개소.실험표명,여Bagging산법화GASEN산법상비,MCSE방법능경충분이용기분류기간적호보성,구유경고효적류량분류성능.