首页> 中文期刊> 《计算机应用》 >面向类不平衡流量数据的分类模型

面向类不平衡流量数据的分类模型

         

摘要

针对网络流量分类过程中,传统模型在小类别上的分类性能较差和难以实现频繁、及时更新的问题,提出一种基于集成学习的网络流量分类模型(ELTCM).首先,根据类别分布信息定义了偏向于小类别的特征度量,利用加权对称不确定性和近似马尔可夫毯(AMB)对网络流量特征进行降维,减小类不平衡问题带来的影响;然后,引入早期概念漂移检测增强模型应对流量特征随网络变化而变化的能力,并通过增量学习的方式提高模型更新训练的灵活性.利用真实流量数据集进行实验,仿真结果表明,与基于C4.5决策树的分类模型(DTITC)和基于错误率的概念漂移检测分类模型(ERCDD)相比,ELTCM的平均整体精确率分别提高了1.13%和0.26%,且各小类别的分类性能皆优于对比模型.ELTCM有较好的泛化能力,能在不牺牲整体分类精度的情况下有效提高小类别的分类性能.

著录项

  • 来源
    《计算机应用》 |2020年第8期|2327-2333|共7页
  • 作者单位

    重庆邮电大学通信与信息工程学院 重庆400065;

    移动通信技术重庆市重点实验室(重庆邮电大学) 重庆400065;

    重庆邮电大学通信与信息工程学院 重庆400065;

    移动通信技术重庆市重点实验室(重庆邮电大学) 重庆400065;

    重庆邮电大学通信与信息工程学院 重庆400065;

    移动通信技术重庆市重点实验室(重庆邮电大学) 重庆400065;

    重庆邮电大学通信与信息工程学院 重庆400065;

    移动通信技术重庆市重点实验室(重庆邮电大学) 重庆400065;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 局域网(LAN)、城域网(MAN);
  • 关键词

    流量分类; 类不平衡; 特征选择; 增量学习; 集成学习;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号