一种多分类器联合的网络流量分类方法

• 作者: 唐学文 谷跃
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 流量分类 支持向量机 贝叶斯增广朴素贝叶斯 BP神经网络 集成学习
• 年，卷（期）: 2016,（4）
• 页码范围: 74-78
• 页数: 5页
• 分类号: TP393
• 字数: 2921字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2016.0004.012

摘要

由于以往的网络流量分类方法是单一的机器学习分类方法,这种方法的总体准确率(Overall Accuracy)提高困难,而且这个问题长期存在着,鉴于此,提出了一种新的网络流量分类的方法,以机器学习分类方法为基础,联合不同分类方法,运用集成学习的思想,使用加权组合权重的方式来实现网络流量的分类;实验表明,新方法提高了总体准确率,比单一的机器学习分类方法更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐学文	重庆大学信息与网络管理中心	35	203	8.0	12.0
2	谷跃	重庆大学计算机学院	1	2	1.0	1.0