基于样本缩减的支持向量机在流分类中的应用

摘要：

网络流量分类对提高网络服务质量有着非常重要的作用.基于机器学习的网络流量分类中,海量的样本为训练带来了效率瓶颈.论文介绍了SVM算法原理,建立基于改进类别质心的样本缩减策略,并进行实验验证.结果表明,利用缩减样本的SVM训练时间仅为在原样本下训练时间的2％,且分类精度基本不变,证明了样本缩减策略的可行性和有效性.

关键词：网络流量分类、机器学习、支持向量机、类别质心

所属期刊栏目：42

分类号：TP181(自动化基础理论)

在线出版日期：2014-03-25（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：290-292,310