10.3969/j.issn.1672-9722.2019.10.002
一种基于机器学习的P2P网络流量识别算法研究?
为提高P2P网络流量识别的准确率,针对Elman神经网络预测精度受其权值和阈值选择的影响,论文运用蜻蜓算法对Elman神经网络的权值和阈值进行优化选择,提出一种基于DA-Elman的机器学习的P2P网络流量识别模型.将TCP流量比例、连接数与不同IP数目的比值、平均数据包长度、上行流量比例、数据包总数5个特征属性作为DA-Elman模型的输入,网络流量类型作为DA-Elman的输出.与PSO- Elman、GA-Elman和Elman相比,研究结果表明,DA-Elman可以有效提高P2P网络流量识别的准确率,其准确率高达98.4252%,为P2P网络流量的识别提供新的方法和途径.
机器学习、Elman神经网络、粒子群算法、遗传算法、网络流量识别
47
TP391.1(计算技术、计算机技术)
国家自然科学基金项目61634004
2019-11-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
2387-2391