计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
8期
72-76
,共5页
DBSCAN算法%隐马尔科夫模型(HMM)%分治%自动建模
DBSCAN算法%隱馬爾科伕模型(HMM)%分治%自動建模
DBSCAN산법%은마이과부모형(HMM)%분치%자동건모
DBSCAN algorithm%Hidden Markov Model(HMM)%divide-and-conquer%automatically modeling
对网络流量等大规模数据，基于密度的DBSCAN聚类算法收敛时间过长、对某些流量聚类效果欠佳。在基于隐马尔科夫模型（Hidden Markov Model，HMM）的流量识别研究背景下，提出一种改进的DBSCAN算法，从减少每次区域查询次数及查询时间两方面提高算法的时间效率和准确率。并创新性地采用分治策略将新算法应用于自动构建网络协议的HMM模型。实验结果表明，改进的DBSCAN算法在保证聚类准确率的同时大大提高了时间效率，并能通过对网络流数据包进行聚类，正确完成网络协议HMM模型的自动建模。
對網絡流量等大規模數據，基于密度的DBSCAN聚類算法收斂時間過長、對某些流量聚類效果欠佳。在基于隱馬爾科伕模型（Hidden Markov Model，HMM）的流量識彆研究揹景下，提齣一種改進的DBSCAN算法，從減少每次區域查詢次數及查詢時間兩方麵提高算法的時間效率和準確率。併創新性地採用分治策略將新算法應用于自動構建網絡協議的HMM模型。實驗結果錶明，改進的DBSCAN算法在保證聚類準確率的同時大大提高瞭時間效率，併能通過對網絡流數據包進行聚類，正確完成網絡協議HMM模型的自動建模。
대망락류량등대규모수거，기우밀도적DBSCAN취류산법수렴시간과장、대모사류량취류효과흠가。재기우은마이과부모형（Hidden Markov Model，HMM）적류량식별연구배경하，제출일충개진적DBSCAN산법，종감소매차구역사순차수급사순시간량방면제고산법적시간효솔화준학솔。병창신성지채용분치책략장신산법응용우자동구건망락협의적HMM모형。실험결과표명，개진적DBSCAN산법재보증취류준학솔적동시대대제고료시간효솔，병능통과대망락류수거포진행취류，정학완성망락협의HMM모형적자동건모。
For massive data such as network traffic, DBSCAN has weakness of greatly time consuming, it has poor clus-tering effect for some network protocol as well. In the context of network traffic classification via HMM, an improved DBSCAN algorithm is put forward. The algorithm improves the time efficiency and accuracy by reducing the time of que-rying. The improved algorithm is used to construct the HMM of network traffic automatically based on the divided-and-conquer strategy. The experimental result shows that the algorithm improves time efficiency greatly. It can correctly build the HMM model for traffic.
