基于K均值集成和SVM的P2P流量识别研究

摘要：

提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点.对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致；按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型.该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能.理论分析和仿真实验结果证明了方案的可行性.

关键词：流量识别、支持向量机、K 均值、集成学习

所属期刊栏目：39

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;安徽工程大学校青年基金项目2008YQ041

在线出版日期：2012-07-23（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：46-48,74