基于子空间聚类算法的流量分类方法研究

发布时间：2017-09-25 12:20

  本文关键词：基于子空间聚类算法的流量分类方法研究

  更多相关文章： 深度包检测 机器学习 流量分类 子空间聚类

【摘要】：目前网络流量业务类型具有不断变化和业务特征不断更新两大特点,但是,现有的流量分类器由于存在业务特征库更新代价大、误判率高等缺点,而无法满足正常的业务分类需求。因此需要设计一种子空间聚类算法来实现业务分类精细化,保障分类精确率、召回率以及效率等特性。实验验证表明,子空间聚类算法的业务分类精细化程度高,分类精确率平均超过95%,训练数据需求量低,并且这类方法对于改进DPI分类器对网络环境的适应能力有重大意义。
【作者单位】： 浙江大学计算机科学与技术学院;深圳职业技术学院电子与通信工程学院;
【关键词】： 深度包检测 机器学习 流量分类 子空间聚类
【基金】：国家重点基础研究发展计划(973计划)资金项目(2012CB315903) 国家自然科学基金项目(61103200,61379118) 浙江省重点科技创新团队(2011R50010)资助
【分类号】：TP311.13;TP393.06
【正文快照】： 本文受国家重点基础研究发展计划(973计划)资金项目(2012CB315903),国家自然科学基金项目(61103200,61379118),浙江省重点科技创新团队(2011R50010)资助。1引言互联网(Internet)的设计初衷是实现主机之间的互联互通,而互联网自身的发展现状却已经远远超出了其最初的设计理念。

【共引文献】

中国期刊全文数据库 前10条

1 周亚建;薛超;平源;;基于端口特征的P2P应用识别方案[J];北京工业大学学报;2013年11期

2 朱林;雷景生;毕忠勤;徐菲菲;;模糊加权流数据软子空间的聚类算法[J];上海电力学院学报;2013年06期

3 李为民;刘晓楠;缪晨;陈陆颖;雷振明;;典型业务的包长分布规律[J];电子科技大学学报;2014年02期

4 钱亚冠;张e，

本文编号：917341