迭代优化SVM网络流量分类技术研究

发布时间：2017-09-08 04:16

  本文关键词：迭代优化SVM网络流量分类技术研究

  更多相关文章： 流量分类 机器学习 SVM 训练速度 迭代优化

【摘要】：针对传统SVM分类方法训练速度较慢的特点,提出了一种新的迭代调谐方法。该方法通过对SVM分类方法的参数进行迭代化以提高它的训练速度。从NetFlow数据中提取流层面信息进行流量分类的实验结果表明:迭代优化SVM分类的训练速度比传统8种SVM分类方法更快,同时保持和其他8种分类方法近乎相同的分类精度。
【作者单位】： 海军工程大学电子工程学院;
【关键词】： 流量分类 机器学习 SVM 训练速度 迭代优化
【基金】：国家863计划资助项目(2009AA01Z205) 国家重点科学专项基金资助项目(2010ZX03003-001)
【分类号】：TP393.06
【正文快照】： 随着网络/云服务的日益增长,互联网流量急剧膨胀,网络拓扑也更加复杂。对于网络/云服务商来说,网络流量准确分类及实时管控是保证网络高效和利益最大化的关键。目前,国内外流量分类方法主要在包层面、流层面进行研究[1]。基于包层面的流量分类法主要有基于端口号和基于有效载，

本文编号：811817