基于K均值和双支持向量机的P2P流量识别方法

发布时间：2018-10-19 08:13

【摘要】：针对目前常用于P2P流量识别的有监督机器学习方法普遍存在时间代价较高的现状,提出采用时间代价为标准支持向量机四分之一的双支持向量机来构建分类器,并采用K均值集成方法快速生成有标签样本集,组合有标签样本集构成双支持向量机的训练样本,最后利用构建好的双支持向量机分类模型进行P2P流量的识别。实验结果表明采用基于K均值集成结合双支持向量机的方法在P2P流量识别的时间代价、准确率和稳定性方面要远优于标准支持向量机。
[Abstract]:In view of the high time cost of supervised machine learning methods which are often used in P2P traffic identification at present, a new classifier based on dual support vector machine (DSVM), which uses time cost as standard support vector machine (1/4), is proposed. The K-means ensemble method is used to quickly generate the labeled sample set, and the labeled sample set is combined to form the training sample of the double support vector machine. Finally, the constructed classification model of the double support vector machine is used to identify the P2P traffic. The experimental results show that the time cost, accuracy and stability of P2P traffic identification based on K-means integration combined with dual support vector machine are much better than that of standard support vector machine.
【作者单位】： 辽宁工程技术大学软件学院;中国传媒大学计算机学院;
【基金】：国家自然科学基金资助项目(61103199) 北京市自然科学基金资助项目(4112052)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前6条

1 徐鹏;刘琼;林森;;基于支持向量机的Internet流量分类研究[J];计算机研究与发展;2009年03期

2 毕晓君;宫汝江;;一种结合人工蜂群和K-均值的混合聚类算法[J];计算机应用研究;2012年06期

3 谢娟英;张兵权;汪万紫;;基于双支持向量机的偏二叉树多类分类算法[J];南京大学学报(自然科学版);2011年04期

4 郑丹;王潜平;;K-means初始聚类中心的选择算法[J];计算机应用;2012年08期

5 邬书跃;余杰;樊晓平;;基于流量与行为特征的P2P流量识别模型[J];计算机工程;2012年16期

6 邢笛;葛洪伟;;半监督FSVM在羽绒菱节识别中的应用[J];计算机工程与应用;2013年01期

相关博士学位论文 前1条

1 吴敏;P2P网络流量控制管理若干关键技术研究[D];南京邮电大学;2011年

【共引文献】

相关期刊论文 前10条

1 邱婧;夏靖波;柏骏;;基于SVM决策树的网络流量分类[J];电光与控制;2012年06期

2 胡婷;王勇;陶晓玲;;网络流量分类方法的比较研究[J];桂林电子科技大学学报;2010年03期

3 胡清桂;;一种新的8线制10/100M自适应网卡设计[J];江南大学学报(自然科学版);2011年02期

4 刘琼;刘珍;黄敏;;基于机器学习的IP流量分类研究[J];计算机科学;2010年12期

5 刘三民;孙知信;刘余霞;;基于决策树集成的P2P流量识别研究[J];计算机科学;2011年11期

6 胡婷;王勇;陶晓玲;;混合模式的网络流量分类方法[J];计算机应用;2010年10期

7 许孟晋;张博锋;;基于机器学习的Internet流量分类[J];计算机应用;2010年S1期

8 李麟青;杨哲;朱艳琴;;一种混合式BitTorrent流量检测方法[J];计算机应用;2011年12期

9 王涛;程良伦;;基于快速SVM的大规模网络流量分类方法[J];计算机应用研究;2012年06期

10 杨彩虹;黄本雄;;基于贝叶斯信念网的网络流量分类与识别研究[J];计算机应用与软件;2011年01期

相关博士学位论文 前3条

1 王娟;大规模网络安全态势感知关键技术研究[D];电子科技大学;2010年

2 蒋红艳;基于流量监控的网络性能优化关键技术研究[D];湖南大学;2010年

3 姬波;信息瓶颈方法的特征权重研究[D];郑州大学;2013年

相关硕士学位论文 前10条

1 邱婷婷;基于特征进程和数据挖掘的P2P流量识别技术[D];西安电子科技大学;2011年

2 李响;基于半监督支持向量机的网络流量分类机制的研究与实现[D];北京邮电大学;2011年

3 刘冠宇;基于FCM算法的P2P流量分类研究[D];哈尔滨工业大学;2010年

4 梁敏;基于统计行为的P2P文件共享加密流量识别技术的研究[D];哈尔滨工业大学;2011年

5 张洛什;基于Cavium平台的网络流分类系统的设计与实现[D];哈尔滨理工大学;2011年

6 刘长恒;基于SVM的P2P数据流检测技术的研究[D];哈尔滨工程大学;2011年

7 袁超越;情感组块与机器学习相结合的文本倾向性分析[D];哈尔滨工程大学;2011年

8 朱超;P2P流量识别方法研究[D];大连理工大学;2011年

9 朱欣;基于数据流挖掘技术的流量识别[D];苏州大学;2011年

10 储慧琳;基于机器学习的P2P流量识别技术研究[D];解放军信息工程大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 林宇,程时端,邬海涛,金跃辉,王文东;IP网端到端性能测量技术研究的进展[J];电子学报;2003年08期

2 王玲;薄列峰;焦李成;;密度敏感的谱聚类[J];电子学报;2007年08期

3 李捷;刘瑞新;刘先省;韩志杰;;一种基于混合模型的实时网络流量预测算法[J];计算机研究与发展;2006年05期

4 张松,阎保平;基于移动Agent的网络管理框架及实现[J];计算机研究与发展;1999年08期

5 刘路;王太勇;蒋永翔;支劲章;;结合FCM和SVM的纹理分割算法[J];计算机工程与应用;2008年33期

6 周董;刘鹏;;VDBSCAN:变密度聚类算法[J];计算机工程与应用;2009年11期

7 姚跃华;史秀岭;;一种优化初始中心的K-means粗糙聚类算法[J];计算机工程与应用;2010年34期

8 王会青;陈俊杰;郭凯;;遗传优化的谱聚类方法研究[J];计算机工程与应用;2011年14期

9 银建霞;孟红云;;具有混沌差分进化搜索的人工蜂群算法[J];计算机工程与应用;2011年29期

10 刘一鸣;张化祥;;可变阈值的K-Means初始中心选择方法[J];计算机工程与应用;2011年32期

相关博士学位论文 前1条

1 孔怡青;半监督学习及其应用研究[D];江南大学;2009年

相关硕士学位论文 前2条

1 李丽;基于支持向量机的网络流量预测研究[D];南京理工大学;2007年

2 曹建华;基于灰色神经网络模型的网络流量预测算法研究[D];江南大学;2008年

【相似文献】

相关期刊论文 前10条

1 李君;王攀;孙雁飞;王浩云;;P2P业务流量识别、分析和控制研究[J];计算机工程;2006年11期

2 张文;沈磊;;基于特征进程的P2P流量识别[J];计算机工程;2008年15期

3 王晨凌;陈文;方剑;;P2P流量管理技术研究[J];电信科学;2008年12期

4 袁雪美;王晖;张鑫;刘亚杰;;P2P流量识别技术综述[J];计算机应用;2009年S2期

5 刘剑刚;秦拯;祝仰金;;基于多重特性的P2P流量识别方法[J];微计算机信息;2010年33期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关硕士学位论文 前2条

1 张岩;基于流量特征的P2P流量检测[D];天津理工大学;2008年

2 彭培栋;局域网综合管理研究与实现[D];北京邮电大学;2010年

，

本文编号：2280603