首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于AdaBoost的组合网络流量分类方法
引用本文:赵小欢,夏靖波,连向磊,李巧丽.基于AdaBoost的组合网络流量分类方法[J].电讯技术,2013,53(9):1207-1212.
作者姓名:赵小欢  夏靖波  连向磊  李巧丽
作者单位:1. 空军工程大学信息与导航学院,西安,710071
2. 解放军71155部队,山东威海,264200
3. 解放军94326部队,济南,250023
基金项目:陕西省自然科学基础研究计划重点项目(2012JZ8005)
摘    要:针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点,通过自适应增强(Adaptive Boosting,AdaBoost)算法进行流量分类。算法首先使用CFS(Correlation-based Feature Selection)特征选择方法从大量网络流特征中提取出少量高效的分类特征,在此基础上,通过AdaBoost算法组合决策树、关联规则和贝叶斯等5种单一分类方法实现流量分类。实际网络流量数据测试表明,基于AdaBoost的组合分类方法的准确率在所选的几种算法中是最高的,其能够达到98192%,且相对于单一的分类算法,组合流量分类方法对于小样本网络流的分类效果具有明显提升。

关 键 词:网络流  流量分类  相关特征选择  自适应增强算法  组合分类器

Ensemble classification overnetwork traffic based on AdaBoost
ZHAO Xiao-huan,XIA Jing-bo,LIAN Xiang-lei and LI Qiao-li.Ensemble classification overnetwork traffic based on AdaBoost[J].Telecommunication Engineering,2013,53(9):1207-1212.
Authors:ZHAO Xiao-huan  XIA Jing-bo  LIAN Xiang-lei and LI Qiao-li
Institution:ZHAO Xiao- huan;XIA Jing-bo;LIAN Xiang- lei;LI Qiao- li;Institute of Information and Navigation, Air Force Eng ineering University;Unit 71155 of PLA;Unit 94326 of PLA;
Abstract:
Keywords:network traffic  traffic classification  correlation-based feature selection  a daptive boosting algorithm  ensemble classifier
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《电讯技术》浏览原始摘要信息
点击此处可从《电讯技术》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号