基于AdaBoost的组合网络流量分类方法

• 作者: 夏靖波 李巧丽 赵小欢 连向磊
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 网络流 流量分类 相关特征选择 自适应增强算法 组合分类器
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 信号与信息处理技术
• 页码范围: 1207-1212
• 页数: 6页
• 分类号: TP393
• 字数: 5440字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2013.09.017

摘要

针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点，通过自适应增强（Adaptive Boosting，AdaBoost）算法进行流量分类。算法首先使用CFS（Correlation-based Feature Se-lection）特征选择方法从大量网络流特征中提取出少量高效的分类特征，在此基础上，通过AdaBoost算法组合决策树、关联规则和贝叶斯等5种单一分类方法实现流量分类。实际网络流量数据测试表明，基于AdaBoost的组合分类方法的准确率在所选的几种算法中是最高的，其能够达到98.92％，且相对于单一的分类算法，组合流量分类方法对于小样本网络流的分类效果具有明显提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏靖波	空军工程大学信息与导航学院	170	1180	17.0	26.0
2	赵小欢	空军工程大学信息与导航学院	13	105	6.0	10.0