基于ELM的网络流量分类及可视化研究

• 作者: 陈幸如 魏书宁
• 来源期刊: 安徽师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络流量 超限学习机 分层超限学习机 数据可视化
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 129-134
• 页数: 6页
• 分类号: TP181
• 字数: 4658字
• 语种: 中文
• DOI: 10.14182/J.cnki.1001-2443.2018.02.005

摘要

精准的网络流量分类是网路流量监测和网络流量数据分析的重要基础.机器学习方法利用统计网络流量的各种特征,不依赖于协议端口和协议内容对网络流量数据进行分析.采用超限学习机(ELM)和改进算法分层超限学习机(H-ELM)作为机器学习的算法,识别客户端与服务器.对链路层、网络层和应用层数据进行分析,实现对多层次网络流量数据的可视化,对H-ELM和ELM算法的实验结果进行对比.实验结果表明,ELM算法能有效地应用于网络流量分类,基于ELM分类模型的网络流量识别训练速度快.H-ELM通过紧凑的特征去除冗余原始输入,改进了总体学习表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈幸如	湖南师范大学信息科学与工程学院	3	11	2.0	3.0
2	魏书宁	湖南师范大学信息科学与工程学院	7	34	4.0	5.0