基于K均值与决策树的P2P流量识别研究

摘要：

针对标签样本稀少造成的有监督学习的P2P(peer-to-peer)流量识别方法精确度不高的问题,提出了一种基于K均值与决策树的P2P流量识别模型.该模型基于K均值的半监督聚类算法对标签样本和无标签样本进行预处理,利用标签样本建立映射关系,获得无标签样本的类别信息,通过训练处理过的样本建立决策树模型.实验比较了三组不同K值对识别模型精度的影响,并对本文识别模型与决策树识别模型的识别精确度进行测试.测试结果表明,在只有少量标签样本的情况下,该模型能保持较高的识别精度.

关键词：点对点、流量识别、K均值、决策树、流量特征

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

资助基金：河南省软科学研究基金项目102400450064

在线出版日期：2014-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：798-802