计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
6期
1621-1624,1629
,共5页
邓生雄%雒江涛%刘勇%王小平%杨军超
鄧生雄%雒江濤%劉勇%王小平%楊軍超
산생웅%락강도%류용%왕소평%양군초
集成学习%随机森林%带阈值的多数投票法%MapReduce%P2P流量识别
集成學習%隨機森林%帶閾值的多數投票法%MapReduce%P2P流量識彆
집성학습%수궤삼림%대역치적다수투표법%MapReduce%P2P류량식별
ensemble learning%random forests%majority voting with thresholds%MapReduce%P2P traffic identification
与集成学习相比,针对单个分类器不能获得相对较高而稳定的准确率的问题,提出一种分类模型.该模型可集成多个随机森林,并以带阈值的多数投票法作为结合方法;模型实现主要分为建立集成分类模型、实例初步预测和结合分析三个层次.MapReduce编程方式实现的分类模型以P2P流量识别为例,分别与单个随机森林和集成其他算法进行对比,实验表明提出模型能获得更好的P2P流量识别综合分类性能,该模型也为二类型分类提供了一种可行的参考方法.
與集成學習相比,針對單箇分類器不能穫得相對較高而穩定的準確率的問題,提齣一種分類模型.該模型可集成多箇隨機森林,併以帶閾值的多數投票法作為結閤方法;模型實現主要分為建立集成分類模型、實例初步預測和結閤分析三箇層次.MapReduce編程方式實現的分類模型以P2P流量識彆為例,分彆與單箇隨機森林和集成其他算法進行對比,實驗錶明提齣模型能穫得更好的P2P流量識彆綜閤分類性能,該模型也為二類型分類提供瞭一種可行的參攷方法.
여집성학습상비,침대단개분류기불능획득상대교고이은정적준학솔적문제,제출일충분류모형.해모형가집성다개수궤삼림,병이대역치적다수투표법작위결합방법;모형실현주요분위건립집성분류모형、실례초보예측화결합분석삼개층차.MapReduce편정방식실현적분류모형이P2P류량식별위례,분별여단개수궤삼림화집성기타산법진행대비,실험표명제출모형능획득경호적P2P류량식별종합분류성능,해모형야위이류형분류제공료일충가행적삼고방법.
