基于最大信息熵模型的异常流量分类方法

• 作者: 关晓惠 王滨 钱亚冠
• 来源期刊: 计算机应用研究
• 关键词: 最大信息熵模型 异常流量 离散化 特征选择 参数估计
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 1019-1023
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.03.060

摘要

最大信息熵原理已被成功地应用于各种自然语言处理领域,如机器翻译、语音识别和文本自动分类等,提出了将其应用于互联网异常流量的分类.由于最大信息熵模型利用二值特征函数来表达和处理符号特征,而KDD99数据集中存在多种连续型特征,因此采用基于信息熵的离散化方法对数据集进行预处理,并利用CFS算法选择合适的特征子集,形成训练数据集合.最后利用BLVM算法进行参数估计,得到满足最大熵约束的指数形式的概率模型.通过实验,比较了最大信息熵模型和Naive Bayes、Bayes Net、SVM与C4.5决策树方法之间的精度、召回率、F-Measure,发现最大信息熵模型具有良好的综合性能,尤其在训练数据集样本数量有限的情况下仍然能保持较高的分类精度,在实际应用中具有广阔的前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱亚冠	浙江科技学院理学院	21	85	6.0	8.0
2	王滨	浙江大学计算机科学与技术学院	10	120	6.0	10.0
3	关晓惠	浙江水利水电高等专科学校计算机工程系	17	80	5.0	7.0