面向服务等级的网络流多任务分类方法

摘要：

在网络流分类实践中,网络运营商通常只需要知道网络流所需的服务类别(class of service,CoS),就可对网络流优先级和资源分配做出决定.为了满足用户对体验质量的需求,提出了面向服务等级的网络流多任务分类方法.该方法是直接进行面向CoS的流分类,而不需要推断应用类型.同时提出多任务框架,利用领域知识定义宏特征组及应用合作博弈中的Shapley Value模型来合理分析特征,并用决策树分箱来解决CoS阈值划分问题.采用真实网络数据集进行实验,通过在少量标记数据的情况下,优化网络参数和调整各网络模型时间损耗和分类准确性的稳定相关系数.结果表明,该方法分类准确度(提高了 12.66％)和时间消耗(减少了 39.23％)性能优于现有文献方法,同时分析了多分类实验结果并给出有关建议.

关键词：网络流分类、多任务学习、Shapley value特征分析、阈值划分

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61271233

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：417-426