基于混合特征的P2P流量识别方法

发布时间：2017-10-25 12:00

  本文关键词：基于混合特征的P2P流量识别方法

  更多相关文章： 异常流量 混合特征 流量识别 支持向量机增量学习算法

【摘要】：研究P2P异常流量的识别问题。P2P网络节点特征属性较多,代表流量特征的属性存在多层属性,传统的流量识别方法以整体特征为基础,没有对流量特征属性进行进一步划分,一旦出现多识别特征的情况,单一类内的特征很难准确描述这种多流量特征,导致识别精度下降。为了避免上述传统算法的缺陷,提出了一种基于支持向量机增量学习算法的p2p流量识别方法。提取p2p流量混合特征,并将其作为p2p流量识别的依据。建立支持向量机增量学习模型,并对提取的流量混合特征进行有效的识别。实验结果表明,利用改进后的算法能够对异常流量进行准确的识别,提高异常流量识别率,降低误判率,从而有利于p2p网络的管理。
【作者单位】： 河南理工大学计算机科学与技术学院;河南理工大学现代教育技术中心;
【关键词】： 异常流量 混合特征 流量识别 支持向量机增量学习算法
【基金】：河南省软科学研究计划项目(102400450064)
【分类号】：TP393.06
【正文快照】： 1引言在p2p网络管理的进程中,需要对p2p网络流量进行准确的识别,从而为p2p网络管理提供数据依据[1]。随着用户对p2p网络服务水平的需求不断提升,p2p网络流量识别也越来越受到人们的重视[2]。现阶段,主流的p2p网络流量识别方法包括基于特征分解算法的p2p流量识别方法、基于自适

【参考文献】

中国期刊全文数据库 前3条

1 刘寅;滕晓龙;刘重庆;;复杂背景下基于傅立叶描述子的手势识别[J];计算机仿真;2005年12期

2 贾小军;喻擎苍;;基于开源计算机视觉库OpenCV的图像处理[J];计算机应用与软件;2008年04期

3 汤一平;富吉勇;陈耀宇;;基于全方位计算机视觉的遗留物检测系统[J];计算机测量与控制;2010年03期

【共引文献】

中国期刊全文数据库 前10条

1 赵涟漪;许宝杰;童亮;;玻璃缺陷在线检测系统的研究[J];北京信息科技大学学报(自然科学版);2011年04期

2 唐文平;胡庆龙;;基于多目标Camshift手势识别[J];电子科技;2012年02期

3 黄向琼;吴豪斌;;基于人体识别与跟踪的遗留物检测[J];福建电脑;2011年10期

4 叶剑春;;基于计算机视觉的冶金焊接坏点识别[J];电气应用;2012年24期

5 张松;绍宏伟;王星淋;;智能视频诊断技术在公司视频监控系统中的应用[J];北方钒钛;2013年Z1期

6 张青苗;李鹏;赵勇;何宝富;孙_g;;一种基于OpenCV实现的运动目标检测算法的研究[J];舰船电子工程;2010年07期

7 李丹娇;彭进业;冯晓毅;王s，

本文编号：1093599