高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ
引用本文:
Citation:

重尾分布的网络流量SVM分类

    通讯作者: 程华, hcheng@ecust.edu.cn

SVM Classification of Heavy-Tailed Internet Traffic

    Corresponding author: CHENG Hua, hcheng@ecust.edu.cn ;
计量
  • 文章访问数:  5654
  • HTML全文浏览量:  514
  • PDF下载量:  1293
  • 被引次数: 0
出版历程

重尾分布的网络流量SVM分类

    通讯作者: 程华, hcheng@ecust.edu.cn
  • 1. 华东理工大学计算机科学与工程系,上海 200237

摘要: 网络流量表现出突发和自相似等动态特性,使得网络应用很难进行准确分类。本文分析了流量动态特性产生的不平衡性及其重尾分布,提出了基于重尾分布的流量分类定量分析模型。基于该分析模型,研究分类算法中训练集采集位置和规模大小的选取。考虑到混合流量中的次要数据流通常是小样本,选用支持向量机(SVM)算法进行流量分类。实验结果表明:重尾分布的流量分类训练集可以选择最佳采集位置和规模,以获得较好的分类模型,该定量分析模型对流量分类及提高分类精度有指导意义。

English Abstract

相关文章 (20)

目录

    /

    返回文章