基于最优ABC-SVM算法的P2P流量识别

• 作者: 叶志伟 杜远丽 王春枝
• 来源期刊: 计算机应用研究
• 关键词: 人工蜂群算法 支持向量机 特征选择 参数优化 P2P流量识别
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 582-585
• 页数: 4页
• 分类号: TP393.07
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.055

摘要

目前对等网络(peer-to-peer,P2P)流量的识别是网络管理研究的热门话题.基于支持向量机(support vector machine,SVM)的P2P流量识别方法是常用的P2P流量识别方法之一.然而SVM的性能主要受参数和其使用特征的影响,传统的方法是将SVM的参数优化和特征选择问题分开处理,但是难以获得整体性能最优的SVM分类器.针对以上问题进行了研究,提出了一种基于最优人工蜂群算法与支持向量机相结合的P2P流量识别方法.利用人工蜂群算法,将SVM的参数和特征选择问题视为最优化问题同步处理,可以获得整体性能最优的参数和特征子集.在真实的P2P数据上的实验结果表明,提出的方法具有很好的自适应性和分类精度,能够同时获取特征子集和SVM参数的最优解,提高SVM分类器的整体性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春枝	湖北工业大学计算机学院	85	410	11.0	15.0
2	叶志伟	湖北工业大学计算机学院	47	189	8.0	10.0
3	杜远丽	湖北工业大学计算机学院	1	9	1.0	1.0