计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
10期
3078-3082
,共5页
张昕%蒋晓路%于富财%胡光岷
張昕%蔣曉路%于富財%鬍光岷
장흔%장효로%우부재%호광민
流分类%时频分析%时频特征提取%机器学习
流分類%時頻分析%時頻特徵提取%機器學習
류분류%시빈분석%시빈특정제취%궤기학습
network traffic classification%time-frequency analysis%time-frequency parameters extraction%machine learning
为了从众多网络流中识别出P2P流,以方便网络管理者更好地管理网络流量,提出了时频分析的思路,对网络流的时域特征进行时频分析,提取并形成时频特征参数,然后采用机器学习的方法对网络流进行分类.选取了短时傅里叶变换、小波包分解和Choi-Williams分布三种具有代表性的时频变换对网络流进行分析,交叉验证后的分类准确率大部分都在70％以上.实验结果表明,基于时频特征的分类方法具有较好的稳定性,是传统基于时域特征的分类方法的有效补充.
為瞭從衆多網絡流中識彆齣P2P流,以方便網絡管理者更好地管理網絡流量,提齣瞭時頻分析的思路,對網絡流的時域特徵進行時頻分析,提取併形成時頻特徵參數,然後採用機器學習的方法對網絡流進行分類.選取瞭短時傅裏葉變換、小波包分解和Choi-Williams分佈三種具有代錶性的時頻變換對網絡流進行分析,交扠驗證後的分類準確率大部分都在70％以上.實驗結果錶明,基于時頻特徵的分類方法具有較好的穩定性,是傳統基于時域特徵的分類方法的有效補充.
위료종음다망락류중식별출P2P류,이방편망락관리자경호지관리망락류량,제출료시빈분석적사로,대망락류적시역특정진행시빈분석,제취병형성시빈특정삼수,연후채용궤기학습적방법대망락류진행분류.선취료단시부리협변환、소파포분해화Choi-Williams분포삼충구유대표성적시빈변환대망락류진행분석,교차험증후적분류준학솔대부분도재70％이상.실험결과표명,기우시빈특정적분류방법구유교호적은정성,시전통기우시역특정적분류방법적유효보충.
