面向类不平衡网络流量的特征选择算法

摘要：

针对网络流量分类过程中出现的类不平衡问题,该文提出一种基于加权对称不确定性(WSU)和近似马尔科夫毯(AMB)的特征选择算法.首先,根据类别分布信息,定义了偏向于小类别的特征度量,使得与小类别具有强相关性的特征更容易被选择出来;其次,充分考虑特征与类别间、特征与特征之间的相关性,利用加权对称不确定性和近似马尔科夫毯删除不相关特征及冗余特征;最后,利用基于相关性度量的特征评估函数以及序列搜索算法进一步降低特征维数,确定最优特征子集.实验表明,在保证算法整体分类精确率的前提下,算法能够有效提高小类别的分类性能.

关键词：流量分类、特征选择、类不平衡、加权对称不确定性、近似马尔科夫毯

所属期刊栏目：43

分类号：TN915;TP393

资助基金：长江学者和创新团队发展计划IRT_16R72

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：923-930