分段Hurst指数感知的流级别分类

• 作者: 汤萍萍 王再见 王冬菊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 流 识别与分类 流量分形 数据相关性 Hurst指数
• 年，卷（期）: 2016,（24）
• 所属期刊栏目: 热点与综述
• 页码范围: 11-18
• 页数: 8页
• 分类号: TN919
• 字数: 7766字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1604-0303

摘要

关于流识别与分类,目前主流的技术是基于统计学方法,核心环节是提取有效的特征属性集.这种方法的假设条件是,特征不相关,数据不相关.正因为这种假设的不合理性,使得分类效果有限.虽然已经有很多研究在集中解决特征相关性问题,但数据相关性却难以突破.因此引入流量分形理论,该理论建立在数据相关性基础之上.通过对原有理论进行必要的修改、调整以适用于流的分类识别,并用理论证明验证其有效性,最后通过系列实验体现该方法在粗粒度分类、未知流分类等方面的实际效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王再见	安徽师范大学物理与电子信息学院	33	70	4.0	6.0
2	汤萍萍	安徽师范大学物理与电子信息学院	16	15	2.0	2.0
6	王冬菊	安徽师范大学物理与电子信息学院	18	12	2.0	3.0