微型电脑应用
微型電腦應用
미형전뇌응용
MICROCOMPUTER APPLICATIONS
2015年
8期
31-33
,共3页
跟踪算法%二叉回归%网络流量%小波分解
跟蹤算法%二扠迴歸%網絡流量%小波分解
근종산법%이차회귀%망락류량%소파분해
@@
针对网络异常流量特征扰动性和暂态性特点,提出一种基于改进型决策树优化跟踪算法算法.利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别.试验表明,基于改进型决策树优化跟踪算法,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能.
針對網絡異常流量特徵擾動性和暫態性特點,提齣一種基于改進型決策樹優化跟蹤算法算法.利用雙正交提升小波分解得到的各層細節信號對暫態性擾動特徵的敏感性,通過小波分解得到各層細節信號,將提取的小波分層細節信號的奇異值分解特徵再返迴到決策樹主分量特徵優化跟蹤模型中,實現網絡流量異常特徵的定位提取和識彆.試驗錶明,基于改進型決策樹優化跟蹤算法,暫態性異常特徵譜圖分辨能力提高,異常特徵分佈譜清晰可見,展示瞭較好的特徵提取和狀態識彆性能.
침대망락이상류량특정우동성화잠태성특점,제출일충기우개진형결책수우화근종산법산법.이용쌍정교제승소파분해득도적각층세절신호대잠태성우동특정적민감성,통과소파분해득도각층세절신호,장제취적소파분층세절신호적기이치분해특정재반회도결책수주분량특정우화근종모형중,실현망락류량이상특정적정위제취화식별.시험표명,기우개진형결책수우화근종산법,잠태성이상특정보도분변능력제고,이상특정분포보청석가견,전시료교호적특정제취화상태식별성능.
