基于随机森林的流量多特征提取与分类研究

• 作者: 付凯 夏靖波 张晓燕 申健 韦泽鲲
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 流量统计特征 随机森林 灰盒模型 特征提取
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 研究与探讨
• 页码范围: 55-59
• 页数: 5页
• 分类号: TP393
• 字数: 4117字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2016)12-0055-05

摘要

网络流量的多样化和复杂化以及高实时性要求对流量识别技术带来了巨大挑战,而通过基于机器学习的网络流量分类中,流量统计特征选择能够快速准确对流量进行识别,具有重要的研究意义.随机森林(RF)作为近年较热门的灰盒算法,对当前的网络流量具有较好的识别能力.通过随机森林的节点选择算法,对流量特征进行选择,并结合物理意义进行优化,进行多次特征提取.实验结果表明:提出的算法在识别模型构建上性能更加优越,耗费时间大大减小,同时准确度等指标得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓燕	空军工程大学信息与导航学院	27	179	9.0	12.0
2	申健	空军工程大学信息与导航学院	12	54	5.0	6.0
3	付凯	空军工程大学信息与导航学院	19	182	7.0	13.0
4	夏靖波	厦门大学嘉庚学院	16	44	5.0	6.0
5	韦泽鲲	空军工程大学信息与导航学院	5	118	4.0	5.0