基于决策树集成的P2P流量识别研究

摘要：

为提高分类模型的稳定性,提出基于决策树分类器集成方案用以识别流量.模型首先利用特征选择方法(FCBF)提取最优分类特征信息,按Bagging随机抽样原理形成5个子分类器,依少数服从多数原则生成决策模型.利用两种实验方案在公开数据集上进行测试,结果表明提出的方案比贝叶斯、基于核密度估计贝叶斯方案具有更好的稳定性、模型分类准确率和P2P流量识别准确率,并对此现象进行了解释.

关键词：流量识别、集成学习、决策树、贝叶斯分类、稳定性

所属期刊栏目：38

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60973140;江苏省自然基金BK2009425;江苏省高校自然科学基础研究项目08KJB520005;江苏省六大才高峰项目,安徽工程大学校青年基金项目2008YQ041

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：26-29