基于流记录偏好度的多分类器融合流量识别模型  

Traffic classification model based on fusion of multiple classifiers with flow preference

作　　者：董仕[1,2,3] 丁伟[1,2] 

机构地区：[1]东南大学计算机科学与工程学院,江苏南京211189 [2]东南大学计算机网络和信息集成教育部重点实验室,江苏南京211189 [3]周口师范学院计算机科学与技术学院,河南周口466001

出　　处：《通信学报》2013年第10期143-152,共10页Journal on Communications

基　　金：国家重点基础研究发展计划("973"计划)基金资助项目(2009CB320505);国家科技支撑计划基金资助项目(2008BAH37B04)~~

摘　　要：通过将证据理论引入到流量分类的决策模块中,提出了偏好度和时效度权值,并通过实测数据对多分类器识别模型进行验证,其结果表明该模型较好的克服了单分类器的片面性,通过对多个证据的融合来优化识别的结果。The concept of multiclassifier fusion was introduced which can improve the classltcatlon accuracy ano over come the disadvantage of single classifier. DS theory was introduced into decision module of traffic classification and preference and timeliness was proposed. After analyzing multiclassifier model by simulation, the results show the new classifier model can overcome one sidedness of single classifier, depending on multiple evidences to optimize the traffic results.

关 键 词：多分类器融合 证据理论 偏好度 机器学习 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]