作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文章对现有的网络流量分类方法进行了分析和总结,比较了基于模式匹配和基于机器学习的两大网络流量分类方法的优缺点,并在此基础上提炼出基于机器学习方法的流量分类框架,指出当前网络流量分类方法亟待解决的问题与五大研究方向,为网络流量分类的相关研究提供了参考.
推荐文章
网络流量分类研究进展与展望
流量分类
高速网络
精细化
加密
协议混淆
网络流量分类与应用识别的研究
流量分类
应用识别
机器学习
无监督聚类
有监督分类
自相似网络流量预测研究
网络通信量
自相似
模型
参数估计
等价带宽
基于GA-CFS和AdaBoost算法的网络流量分类
流量分类
相关性特征选择
适应度函数
AdaBoost算法
弱分类器
权重
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 网络流量分类研究进展综述及未来发展
来源期刊 企业科技与发展 学科 工学
关键词 网络流量分类 模式匹配 机器学习 分类框架
年,卷(期) 2012,(13) 所属期刊栏目 应用技术
研究方向 页码范围 66-69
页数 分类号 TP393.06
字数 4814字 语种 中文
DOI 10.3969/j.issn.1674-0688.2012.13.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨琼华 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (11)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络流量分类
模式匹配
机器学习
分类框架
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
企业科技与发展
月刊
1674-0688
45-1359/T
大16开
广西南宁市星湖路24号
48-158
1985
chi
出版文献量(篇)
19506
总下载数(次)
59
总被引数(次)
30344
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导