基于快速SVM的大规模网络流量分类方法

• 作者: 王涛 程良伦
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 大规模流量分类 比特压缩 权重SVM 分类器 分类准确率
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 2301-2305
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.06.080

摘要

支持向量机方法具有良好的分类准确率、稳定性与泛化性,在网络流量分类领域已有初步应用,但在面对大规模网络流量分类问题时却存在计算复杂度高、分类器训练速度慢的缺陷.为此,提出一种基于比特压缩的快速SVM方法,利用比特压缩算法对初始训练样本集进行聚合与压缩,建立具有权重信息的新样本集,在损失尽量少原始样本信息的前提下缩减样本集规模,进一步利用基于权重的SVM算法训练流量分类器.通过大规模样本集流量分类实验对比,快速SVM方法能在损失较少分类准确率的情况下,较大程度地缩减流量分类器的训练时间以及未知样本的预测时间,同时,在无过度压缩前提下,其分类准确率优于同等压缩比例下的随机取样SVM方法.本方法在保留SVM方法较好分类稳定性与泛化性能的同时,有效提升了其应对大规模流量分类问题的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程良伦	广东工业大学计算机学院	274	1459	17.0	25.0
2	王涛	广东工业大学自动化学院	45	335	11.0	16.0