基于类标记扩展的半监督网络流量特征选择算法

发布时间：2019-07-13 22:03

【摘要】：针对网络流量特征选择过程中存在的样本标记瓶颈问题,以及现有半监督方法无法选择强相关的特征的不足,提出一种基于类标记扩展的多类半监督特征选择(SFSEL)算法。该算法首先从少量的标记样本出发,通过K-means算法对未标记样本进行类标记扩展;然后结合基于双重正则的支持向量机(MDrSVM)算法实现多类数据的特征选择。与半监督特征选择算法Spectral、PCFRSC和SEFR在Moore数据集进行了对比实验,SFSEL得到的分类准确率和召回率明显都要高于其他算法,而且SFSEL算法选择的特征个数明显少于其他算法。实验结果表明:SFSEL算法能够有效地提高所选特征的相关性,获取更好的网络流量分类性能。
[Abstract]:In order to solve the bottleneck problem of sample marking in the process of network traffic feature selection and the deficiency that the existing semi-supervised methods can not select strongly related features, a multi-class semi-supervised feature selection (SFSEL) algorithm based on class tag extension is proposed. Firstly, the class marking of unmarked samples is extended by K-means algorithm from a small number of tagged samples, and then the feature selection of multi-class data is realized by combining support vector machine (MDrSVM) algorithm based on double regularity. Compared with the semi-supervised feature selection algorithms Spectral,PCFRSC and SEFR in Moore datasets, the classification accuracy and recall rate of SFSEL are obviously higher than those of other algorithms, and the number of features selected by SFSEL algorithm is obviously less than that of other algorithms. The experimental results show that the SFSEL algorithm can effectively improve the correlation of the selected features and obtain better network traffic classification performance.
【作者单位】： 信息工程大学信息系统工程学院;
【基金】：国家安全重大基础研究项目(613148)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前3条

1 李平红;王勇;陶晓玲;;基于成对约束扩展的半监督网络流量特征选择算法[J];传感器与微系统;2013年05期

2 王博;贾焰;田李;;基于类标号扩展的半监督特征选择算法[J];计算机科学;2009年10期

3 王涛;余顺争;;基于机器学习的网络流量分类研究进展[J];小型微型计算机系统;2012年05期

【共引文献】

相关期刊论文 前10条

1 王磊;刘艳;;基于约束Laplacian分值的半监督特征选择算法[J];吉林大学学报(信息科学版);2010年04期

2 李平红;王勇;陶晓玲;;基于成对约束扩展的半监督网络流量特征选择算法[J];传感器与微系统;2013年05期

3 李斌;;大数据及其发展趋势研究[J];广西教育;2013年35期

4 李斌;;网络流量分类及其现状研究[J];广西教育;2013年39期

5 曾伟;;多子种群PSO优化SVM的网络流量预测[J];北京交通大学学报;2013年05期

6 苗长胜;原常青;王兴伟;常桂然;;基于互信息和文化基因算法的网络流量特征选择[J];东北大学学报(自然科学版);2014年11期

7 叶吉祥;龚希龄;;一种快速的Wrapper式特征子集选择新方法[J];长沙理工大学学报(自然科学版);2010年04期

8 代琨;于宏毅;李青;;一种基于支持向量机的特征选择算法[J];模式识别与人工智能;2014年05期

9 李平红;陶晓玲;王勇;;一种多分类器选择性集成的网络流量分类方法[J];计算机应用与软件;2014年07期

10 张大卫;李海雁;;基于相空间重构双参数联合估计的网络流量预测[J];计算机与数字工程;2014年09期

相关博士学位论文 前2条

1 程红蓉;垃圾图像特征提取与选择研究[D];电子科技大学;2011年

2 刘珍;因特网流量类不平衡特性与分类方法的研究[D];华南理工大学;2013年

相关硕士学位论文 前2条

1 赵树鹏;面向不同应用类型的在线流量分类特征的研究[D];济南大学;2013年

2 葛明阳;基于流量的VOIP行为检测系统[D];北方工业大学;2014年

【二级参考文献】

相关期刊论文 前8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 王博;贾焰;田李;;基于类标号扩展的半监督特征选择算法[J];计算机科学;2009年10期

3 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

4 韦佳;彭宏;;基于局部与全局保持的半监督维数约减方法[J];软件学报;2008年11期

5 徐鹏;林森;;基于C4.5决策树的流量分类方法[J];软件学报;2009年10期

6 张宾;杨家海;吴建平;;Internet流量模型分析与评述[J];软件学报;2011年01期

7 柳斌;李之棠;涂浩;;一种基于半监督学习的应用层流量分类方法[J];微电子学与计算机;2008年10期

8 王宇;余顺争;;网络流量的决策树分类[J];小型微型计算机系统;2009年11期

【相似文献】

相关期刊论文 前10条

1 肖立中;刘云翔;;适合于入侵检测的分步特征选择算法[J];计算机工程与应用;2010年11期

2 王秀英;邵志清;刘红丽;;一种杂交特征选择算法及其应用[J];计算机工程;2008年11期

3 李平红;王勇;陶晓玲;;基于成对约束扩展的半监督网络流量特征选择算法[J];传感器与微系统;2013年05期

4 黎银环;钟艳花;;入侵检测中的混合特征选择算法研究[J];微电子学与计算机;2012年09期

5 李玲娟;周桂芳;王汝传;;一种适用于IDS的多次模糊迭代特征选择算法[J];计算机科学;2007年04期

6 李文法;段m#毅;刘悦;孙春来;;一种面向流分类的特征选择算法[J];中文信息学报;2009年03期

7 董小国;丁冉;;IDS自适应特征选择算法——进化包装(Wrapper)算法分析[J];微计算机信息;2006年33期

8 杨云峰;;基于Relief-SBS特征选择算法的入侵检测方法研究[J];河池学院学报;2013年02期

9 林开标;卢萍;李佳莉;;基于SVM-RFE的非平衡数据特征选择算法[J];福建电脑;2012年09期

10 喻春萍;黄晓霞;;基于CFS-GA特征选择算法的中文网页自动分类[J];上海海事大学学报;2012年01期

相关硕士学位论文 前1条

1 杨飞虎;特征选择算法及其在网络流量识别中的应用研究[D];南京邮电大学;2012年

，

本文编号：2514320