基于半监督的网络流量分类识别算法

• 作者: Lubomir Bic 周文刚 董仕 陈雷霆
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 网络流量 半监督学习 分类识别 聚类中心点
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 381-386
• 页数: 6页
• 分类号: TP391
• 字数: 4687字
• 语种: 中文
• DOI: 10.13382/j.jemi.2014.04.006

摘要

近年来,许多机器学习的方法被广泛应用于网络流量分类识别的问题中,结合有监督学习与无监督学习的特点,提出一种基于半监督学习的流量分类识别方法,该方法改进K均值聚类算法中初始簇中心的选取,通过基于密度因子的相似性函数来满足聚类数据的全局一致性要求以获取更适合的初始簇中心,并通过最大似然估计方法标记聚类结果实现与相关应用类型或协议的对应匹配过程,实验结果表明,该算法提升了网络流量分类识别结果的准确性和分类识别效率,能够有效满足流量分类识别的应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈雷霆	电子科技大学计算机科学与工程学院	88	811	15.0	22.0
2	董仕	东南大学计算机科学与工程学院	4	43	3.0	4.0