基于GA-CFS和AdaBoost算法的网络流量分类

• 作者: 剌婷婷 师军
• 来源期刊: 计算机应用研究
• 关键词: 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
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3411-3414
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.09.056

摘要

鉴于特征属性选择在网络流量分类中占据重要地位,为了确定最优特征子集,利用CFS作为适应度函数的改进遗传算法(GA-CFS),从网络流量的249个属性空间中提取主要属性并最终选定18个特征组合作为最优特征子集.通过AdaBoost算法把一系列的弱分类器提升为强分类器,对网络流量进行了深入的分类研究.实验结果表明,基于GA-CFS和AdaBoost的流量组合分类方法较弱分类器具有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师军	陕西师范大学计算机科学学院	42	566	11.0	23.0
2	剌婷婷	陕西师范大学计算机科学学院	1	9	1.0	1.0