IP流量分类算法中特征选择作用分析  

Analysis of Feature Selection Effect on IP Traffic Classification Algorithms

作　　者：黄君毅[1] 吴静[1] 张晖[1] 

机构地区：[1]西南科技大学信息工程学院,绵阳621010

出　　处：《计算机工程》2010年第16期68-70,共3页Computer Engineering

基　　金：国家"863"计划基金资助项目(2007AA01Z151)

摘　　要：基于流的特征并使用机器学习技术进行网络流量分类是目前网络流量分类的主流技术。由于许多流的特征可用于流分类,其中有许多是不相关和冗余的特征,因此特征选择对算法性能的优化具有重要的作用。将基于过滤的特征选择方法应用于C4.5、Bayesnet、NBD、NBK等分类算法,实验结果表明该方法在无损于分类准确性的同时能够改进计算性能。The current study is to use Machine Learning（ML） techniques and classify Internet traffic based on per-flow features.Since a lot flow features can be used for flow classification and there are many irrelevant and redundant features among them,feature selection plays a vital role in algorithm performance optimization.This paper uses two filter-based feature selection methods for classification algorithms such as C4.5,Bayesnet,NBD,NBK.Experimental results show the approach can improve computational performance without negative impact on classification accuracy.

关 键 词：特征选择 IP流量分类 机器学习 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]