采用两阶段策略模型(KTSVM)的P2P流量识别方法

• 作者: 丁要军 蔡皖东
• 来源期刊: 西安交通大学学报
• 关键词: 直推式支持向量机 半监督学习 流量识别 对等网络流量 互联网
• 年，卷（期）: 2012,（2）
• 页码范围: 45-50,129
• 分类号: TP393
• 语种: 中文

摘要

针对识别加密P2P网络流量比较困难的问题,提出一种基于K均值和直推式支持向量机(TSVM)的半监督学习模型——两阶段策略模型(KTSVM,k-means based transductive support vector machine),以提高P2P流量的识别精度.该模型首先使用K均值半监督聚类算法计算训练集中正例样本的数目,然后根据正例样本的数目来训练TSVM分类模型,提高了TSVM模型的稳定性和准确性.该模型的优势是可以使用未标注样本和标注样本共同训练分类模型,非常适合于识别标注比较困难的P2P流量.实验结果表明,在标注样本较少的情况下,该模型的识别精度和稳定性均优于TSVM模型和SVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡皖东	西北工业大学计算机学院	157	1423	21.0	28.0
2	丁要军	西北工业大学计算机学院	6	27	3.0	5.0