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:
提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点.对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致;按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型.该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能.理论分析和仿真实验结果证明了方案的可行性.
推荐文章
基于SVM的P2P流量识别研究
P2P
支持向量机
流量特征
流量识别
分类器
基于SVM的P2P流量识别
SVM
P2P
流量识别
基于最优ABC-SVM算法的P2P流量识别
人工蜂群算法
支持向量机
特征选择
参数优化
P2P流量识别
基于行为特征的P2P流量快速识别
P2P
流量识别
行为特征
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 基于K均值集成和SVM的P2P流量识别研究
来源期刊 计算机科学 学科 工学
关键词 流量识别 支持向量机 K 均值 集成学习
年,卷(期) 2012,(4) 所属期刊栏目 计算机网络与信息安全
研究方向 页码范围 46-48,74
页数 分类号 TP393
字数 4046字 语种 中文
DOI 10.3969/j.issn.1002-137X.2012.04.008
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 孙知信 南京航空航天大学计算机科学与技术学院 169 1816 21.0 34.0
7 刘三民 安徽工程大学计算机与信息学院 12 74 6.0 8.0
11 刘余霞 安徽工程大学电气工程学院 13 75 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (69)
参考文献  (4)
节点文献
引证文献  (12)
同被引文献  (41)
二级引证文献  (13)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(4)
  • 引证文献(3)
  • 二级引证文献(1)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(4)
  • 引证文献(2)
  • 二级引证文献(2)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
流量识别
支持向量机
K 均值
集成学习
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导