基于贝叶斯学习的集成流量分类方法

• 作者: 唐学文 汪为汉 邓一贵
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 流量分类 朴素贝叶斯 贝叶斯网络增广朴素贝叶斯 实例选择 加权
• 年，卷（期）: 2012,（16）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 164-166
• 分类号: TP18
• 字数: 3488字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.16.042

摘要

NB方法条件独立性假设和BAN方法小训练集难以建模.为此,提出一种基于贝叶斯学习的集成流量分类方法.构造单独的NB和BAN分类器,在此基础上利用验证集得到各分类器的权重,通过加权平均组合各分类器的输出,实现网络流量分类.以Moore数据集为实验数据,并与NB方法和BAN方法相比较,结果表明,该方法具有更高的分类准确率和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐学文	重庆大学信息与网络管理中心	35	203	8.0	12.0
2	邓一贵	重庆大学信息与网络管理中心	18	196	7.0	13.0
3	汪为汉	重庆大学计算机学院	2	18	2.0	2.0