网络协议流不平衡环境下基于机器学习算法的在线流量分类方法

发布时间：2018-04-25 14:54

  本文选题：机器学习算法 + 在线流量　； 参考：《科学技术与工程》2017年28期

【摘要】：随着时间的推移,网络协议流将出现不平衡的现象,经常出现不可预知的在线流量种类,传统在线流量分类模型无法对未知的流量种类进行分类,导致整体分类精度低,适应能力差。为此提出一种新的基于机器学习算法的在线流量分类方法,针对不同类别的在线流量样本流集合筛取出若干最近邻样本流,求出各个样本流特征权重,确定各个特征与类别的相关性,将相关性大的特征当成在线流量特征。依据得到的特征选取部分标识在线流量数据,确定K中值聚类的起始中心,构造映射关系,获取未知的在线流量种类。实验结果表明,所提方法有很高的分类精度,且扩展性和适应能力较强。
[Abstract]:With the passage of time, the network protocol flow will appear the phenomenon of imbalance, often there are unpredictable online traffic types, the traditional online traffic classification model can not classify unknown traffic types, resulting in the overall classification accuracy is low. Poor adaptability. In this paper, a new on-line traffic classification method based on machine learning algorithm is proposed. Some nearest neighbor sample streams are extracted from different types of online flow sample stream sieve, and the characteristic weights of each sample flow are obtained. The correlation between each feature and the category is determined, and the feature with high correlation is regarded as the online traffic feature. According to the obtained features, the online traffic data are selected to determine the starting center of K median clustering, to construct the mapping relationship, and to obtain unknown online traffic types. The experimental results show that the proposed method has high classification accuracy and strong expansibility and adaptability.
【作者单位】： 武夷学院实验室管理中心;
【分类号】：TP181;TP393.0

【相似文献】

相关期刊论文 前10条

1 辛宪会;叶秋果;滕惠忠;郭思海;李军;张靓;韩晓宏;;小样本机器学习算法的特性分析与应用[J];海洋测绘;2007年03期

2 何清;李宁;罗文娟;史忠植;;大数据下的机器学习算法综述[J];模式识别与人工智能;2014年04期

3 王继成;基于认知模拟的自适应机器学习算法研究[J];软件学报;2001年08期

4 刘永定;阳爱民;周序生;邹豪杰;;使用机器学习算法分类P2P流量的方法[J];计算机应用研究;2009年09期

5 吴秀清,韩彬斌;基于Bayes算法的Web网页识别[J];计算机工程;2000年03期

6 陶卿;姚穗;范劲松;方廷健;;一种新的机器学习算法:Support Vector Machines[J];模式识别与人工智能;2000年03期

7 A N.Meltzoff;P K.Kuhl;J Movellan;T J.Sejnowski;冯锐;缪茜惠;;新学习科学的基础[J];远程教育杂志;2011年01期

8 张宏莉;鲁刚;;分类不平衡协议流的机器学习算法评估与比较[J];软件学报;2012年06期

9 张栋;柯长青;余瞰;;机器学习算法在ALOS影像分类中的应用研究[J];遥感信息;2010年03期

10 杨树仁;沈洪远;;基于相关向量机的机器学习算法研究与应用[J];计算技术与自动化;2010年01期

相关会议论文 前3条

1 何晏成;关毅;岳淑珍;;一个基于免疫机制的在线机器学习算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 黄典伟;吴智铭;;用代数方法对网络协议建模和综合[A];1994年中国控制会议论文集[C];1994年

3 韩宝伟;赵晓群;;RFID系统中阅读器网络协议的研究[A];2007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（下册）[C];2008年

相关重要报纸文章 前10条

1 本报驻德国记者 李山;国际网络协议大会：为网络发展把脉[N];科技日报;2013年

2 双木;网络管理之网络协议篇[N];中国电脑教育报;2003年

3 ;802.11b网络协议中存在缺陷[N];计算机世界;2004年

4 澳大利亚悉尼大学中国研究中心主任 凯瑞·布朗(Kerry Brown)　白乐 译;网络协议确保全球网络互信[N];中国社会科学报;2014年

5 高飞;网络沟通的桥梁[N];中国电脑教育报;2004年

6 本报记者 刘金松;教育最大的不公平是教育资源不平衡[N];经济观察报;2014年

7 高明云;欧洲推出IPv6实施指南[N];人民邮电;2009年

8 程凯;解决不平衡还要靠市场[N];中华工商时报;2005年

9 本报见习记者 周宁;示范小城镇建设“四个不平衡”[N];经济信息时报;2013年

10 记者 张黎明;我市治堵工作进展不平衡[N];金华日报;2014年

相关博士学位论文 前4条

1 孙绍华;不平衡电网条件下并网逆变关键技术研究[D];哈尔滨工业大学;2015年

2 艾旭升;基于免疫系统的不平衡数据分类方法研究[D];苏州大学;2016年

3 房晓南;基于半监督和集成学习的不平衡数据特征选择和分类[D];山东师范大学;2016年

4 王健;面向样本不平衡的故障特征提取方法[D];东北大学;2015年

相关硕士学位论文 前10条

1 张春迎;机器学习算法在不同领域数据分析中的应用[D];天津大学;2014年

2 袁方方;基于云平台的机器学习算法并行化研究与应用[D];内蒙古师范大学;2016年

3 贾鑫;面向函数型数据分析的机器学习算法研究与应用[D];北京化工大学;2016年

4 张泽;机器学习算法及其工程应用研究[D];天津大学;2012年

5 班瑞;基于语义Web的机器学习算法研究与应用[D];南京理工大学;2006年

6 张予焓;产品评价对象的提取与分析[D];北京邮电大学;2010年

7 刘永定;基于机器学习算法的P2P流量分类研究[D];湖南工业大学;2009年

8 刘金克;基于机器学习算法的隐喻识别研究[D];南京师范大学;2011年

9 龚美娜;基于网络协议的信息隐藏研究与实现[D];南京邮电大学;2015年

10 林荣强;网络协议识别关键技术研究[D];解放军信息工程大学;2015年

，

本文编号：1801802