基于可变特征空间SVM的互联网流量分类

发布时间：2017-11-07 01:30

  本文关键词：基于可变特征空间SVM的互联网流量分类

  更多相关文章： 支持向量机 可变特征空间 流量分类

【摘要】：支持向量机(support vector machine,SVM)是一类具有良好泛化能力的机器学习算法,适合应用于互联网动态环境下的流量分类问题。目前将SVM扩展到流量分类这样的多分类问题的方法主要有One-Against-All和One-Against-One方法。这些方法都基于单一的特征空间训练SVM两分类器,没有考虑到不同特征对不同流量类的不同区分能力,因此获得的分离超平面并不是最合理的。为此提出了可变特征空间的SVM集成方法,即为每个两分类SVM构建具有最优区分能力的独立特征空间,单独训练两分类SVM,最后再利用One-Against-All和One-Against-One方法集成为多分类器。实验表明,与原来的单一特征空间的One-Against-All和One-Against-One集成方法相比,提出的方法能有效提高流量分类器分类精度和召回率,更易获得最优分离超平面。
【作者单位】： 浙江科技学院理学院;浙江水利水电学院;
【基金】：国家自然科学基金资助项目(No.61379118,No.61103200) 浙江省网络媒体云处理与分析工程技术中心开放课题资助项目(No.2012E10023-14)~~
【分类号】：TP18;TP393.06
【正文快照】： 1引言流量分类是互联网领域中的一个重要应用,如何准确地识别出流量的应用类型对于网络管理、流量控制及网络安全等具有重要的意义。由于互联网的复杂性、动态性,在各种应用层出不穷的环境下,如何准确地识别出流量的应用类型目前仍然是个极具挑战的课题。互联网早期利用TCP端

【相似文献】

中国期刊全文数据库 前10条

1 叶衍;吴卫中;何永保;;基于多维专用特征空间的视觉模糊识别方法[J];模式识别与人工智能;1996年03期

2 冯少彤;鲍毅;聂守平;王亮;;基于多特征空间的三维目标离面旋转识别[J];中国激光;2007年07期

3 刘芳;李会勇;;基于特征空间的极化敏感阵列滤波分析[J];雷达科学与技术;2014年02期

4 陶剑文;Fu-Lai CHUNG;王士同;姚奇富;;稀疏近似最近特征空间嵌入标签传播[J];软件学报;2014年06期

5 赵永波,刘茂仓,张守宏;一种改进的基于特征空间自适应波束形成算法[J];电子学报;2000年06期

6 周翔;杨飞;;特征空间算法及仿真[J];中国新通信;2008年05期

7 高增来;卢艳娥;冯永浩;;特征空间分解算法分析与仿真[J];现代电子技术;2008年11期

8 赵永波,张守宏;基于特征空间的相干干扰抑制技术[J];电子与信息学报;2002年04期

9 游伟;;基于特征空间的自适应波束形成算法[J];航天电子对抗;2006年06期

10 刘春波;王鲜芳;潘丰;;基于稀疏特征空间的核方法建模研究[J];化工自动化及仪表;2009年04期

中国重要会议论文全文数据库 前6条

1 李广明;高金峰;王俊昆;;非线性电容双涡卷混沌电路的特征空间及方程推导[A];第十五届电工理论学术年会论文集[C];2003年

2 王齐珍;常建平;;基于特征空间的降维自适应波束形成算法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

3 游伟;周先敏;;基于特征空间的自适应波束形成算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

4 李婧;;改进的特征空间波束形成算法[A];中国通信学会第五届学术年会论文集[C];2008年

5 郝国煜;向宇;周向东;施伯乐;;支持向量机Top-k查询的特征空间近邻索引[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

6 施展;冯正和;;一种新的特征空间鲁棒波束成型算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

中国硕士学位论文全文数据库 前3条

1 赵蕾;异构关系数据的迁移学习界限及其在角色识别问题中的应用[D];哈尔滨工业大学;2015年

2 夏峙;水下目标特征的压缩与融合技术研究[D];哈尔滨工程大学;2011年

3 骆庆开;基于特征空间理论的几种SVM参数选取结果[D];大连理工大学;2008年

，

本文编号：1150260