基于SVM决策树的网络流量分类  被引量:8

Network Traffic Classification Using SVM Decision Tree

在线阅读下载全文

作  者:邱婧[1] 夏靖波[1] 柏骏[1] 

机构地区:[1]空军工程大学电讯工程学院,西安710077

出  处:《电光与控制》2012年第6期13-16,共4页Electronics Optics & Control

基  金:陕西省自然科学基金资助项目(2009JM8001-1)

摘  要:提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法,利用SVM决策树在多类分类方面的优势,解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试,实验结果表明,SVM决策树在流量分类中比普通的"一对一"和"一对多"SVM方法具有更短的训练时间和更好的分类性能,分类准确率可以达到98.8%。In order to solve the unrecognized area and long training time problems existed when using Support Vector Machine (SVM) method in network traffic classification, SVM decision tree was used in network traffic classification by using its advantages in multi-class classification. The authoritative flow data sets were tested. The experiment results show that SVM decision tree method has shorter training time and better classification performance than ordinary "one-on-one" and "one-on-more" SVM method in network traffic classification, whose classification accuracy rate can reach 98.8%.

关 键 词:SVM决策树 流量分类 多类分类 

分 类 号:V271.4[航空宇航科学与技术—飞行器设计] TP393[自动化与计算机技术—计算机应用技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象