一种基于改进K-means算法的网络流量分类方法

发布时间：2018-05-21 06:19

  本文选题：网络流量分类 + K-均值　； 参考：《电子技术应用》2017年11期

【摘要】：针对网络流量分类识别系统尤其是实时识别系统对实现复杂度和分类准确率的要求,提出一种复杂度和准确率的折中方案。通过基于密度的思想对K-means算法随机选取初始聚类中心这一关键缺陷进行改进,以及引入聚类有效性判别准则函数确定最终聚类个数实现对算法的全面优化,进而提出基于改进K-means算法的网络流量分类方法,在兼顾K-means算法简单易实现、分类快速特点的同时,提高了分类的准确率。在公开的权威网络流量数据集上的实验表明,与普通K-means方法相比,该方法在网络流量分类方面具有更高的分类准确率和更好的稳定性。
[Abstract]:According to the requirements of the network traffic classification recognition system, especially the real-time recognition system, to achieve the complexity and the classification accuracy, a compromise scheme of complexity and accuracy is proposed. Based on the idea of density, this paper improves the key defect of K-means algorithm to select the initial clustering center randomly, and introduces the clustering validity criterion function to determine the final number of clusters to achieve the overall optimization of the algorithm. Furthermore, a network traffic classification method based on improved K-means algorithm is proposed, which takes into account the simple and easy implementation of K-means algorithm and the fast classification, and improves the accuracy of classification. Experiments on the open authoritative network traffic data set show that the proposed method has higher classification accuracy and better stability than the conventional K-means method in network traffic classification.
【作者单位】： 国家计算机网络与信息安全管理中心河北分中心;
【基金】：国家计算机网络与信息安全技术研究专项(242研究计划)(2016QN027)
【分类号】：TP311.13;TP393.0

【相似文献】

相关期刊论文 前10条

1 黄旭;吕强;钱培德;;一种用于蛋白质结构聚类的聚类中心选择算法[J];自动化学报;2011年06期

2 樊晓光;路钊;王久崇;李国栋;谢朝政;;基于密度和距离积的聚类中心选取方法[J];测控技术;2013年10期

3 赵峰;张军英;刘敬;;核最优变换与聚类中心的算法[J];西安电子科技大学学报;2009年01期

4 朱云贺;张春海;张博;;基于数据分段的K-means的优化研究[J];计算机技术与发展;2010年11期

5 李春生;王耀南;;聚类中心初始化的新方法[J];控制理论与应用;2010年10期

6 陈侃;李彬;田联房;;基于局部阈值和聚类中心迭代的肺结节检测算法[J];计算机科学;2012年02期

7 宁永恒;杨小兵;王康健;;一种多聚类中心的划分方法[J];中国计量学院学报;2014年02期

8 高潮;田翠翠;郭永彩;;基于改进聚类中心分析法的红外行人分割[J];计算机工程;2011年06期

9 裴继红,范九伦,谢维信;聚类中心的初始化方法[J];电子科学学刊;1999年03期

10 陈英;何中市;黄敏;;一种优化的K-means聚类中心算法研究[J];制造业自动化;2012年08期

相关会议论文 前1条

1 吴继兵;李心科;;基于K-最近邻居图划分的聚类中心初始化算法[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

相关硕士学位论文 前3条

1 刘云;中文文本关键词提取和文本聚类中聚类中心点选取算法研究[D];江苏大学;2016年

2 刘均峰;微博话题检测与跟踪方法研究[D];华中科技大学;2016年

3 徐祥;多中心聚类算法的研究与改进[D];安徽大学;2015年

，

本文编号：1918091