计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2015年
8期
96-101
,共6页
K-Means算法%参数初始化%高斯混合模型%流量聚类
K-Means算法%參數初始化%高斯混閤模型%流量聚類
K-Means산법%삼수초시화%고사혼합모형%류량취류
K-Means algorithm%parameters initialization%Gaussian Mixture Model(GMM)%traffic clustering
基于聚类算法可以对多个属性聚类的特点，提出一种基于快速求解高斯混合模型的聚类算法，用于研究网络流量的分类，使其达到更佳的聚类效果。通过与其他算法比较，讨论了该种方法在流量聚类中的适用性。仿真结果表明，该方法聚类精度高，经过初始聚类中心后的EM算法用于求解GMM有较高的估算准确性，有效地提高了EM算法的收敛速度。
基于聚類算法可以對多箇屬性聚類的特點，提齣一種基于快速求解高斯混閤模型的聚類算法，用于研究網絡流量的分類，使其達到更佳的聚類效果。通過與其他算法比較，討論瞭該種方法在流量聚類中的適用性。倣真結果錶明，該方法聚類精度高，經過初始聚類中心後的EM算法用于求解GMM有較高的估算準確性，有效地提高瞭EM算法的收斂速度。
기우취류산법가이대다개속성취류적특점，제출일충기우쾌속구해고사혼합모형적취류산법，용우연구망락류량적분류，사기체도경가적취류효과。통과여기타산법비교，토론료해충방법재류량취류중적괄용성。방진결과표명，해방법취류정도고，경과초시취류중심후적EM산법용우구해GMM유교고적고산준학성，유효지제고료EM산법적수렴속도。
Based on the cluster algorithm may make classification on multiple attributes , this paper proposes a clustering algorithm based on quick solution of GMM to study the classification of network traffic and achieve a better clustering effect. It is shown that it is more appropriate on traffic clustering than other algorithm. The simulation results with matlab indicate that this method is of excellent clustering precision and after the initial clustering center of the EM algorithm, it has a better accuracy of cost estimation to solve GMM, and effectively raises the convergence speed of the EM algorithm.
