基于类标记扩展的半监督网络流量特征选择算法

摘要：

针对网络流量特征选择过程中存在的样本标记瓶颈问题,以及现有半监督方法无法选择强相关的特征的不足,提出一种基于类标记扩展的多类半监督特征选择(SFSEL)算法.该算法首先从少量的标记样本出发,通过K-means算法对未标记样本进行类标记扩展;然后结合基于双重正则的支持向量机(MDrSVM)算法实现多类数据的特征选择.与半监督特征选择算法Spectral、PCFRSC和SEFR在Moore数据集进行了对比实验,SFSEL得到的分类准确率和召回率明显都要高于其他算法,而且SFSEL算法选择的特征个数明显少于其他算法.实验结果表明:SFSEL算法能够有效地提高所选特征的相关性,获取更好的网络流量分类性能.

关键词：网络流量、半监督、特征选择、类标记扩展、K-means聚类

所属期刊栏目：34

分类号：TP393(计算技术、计算机技术)

资助基金：国家安全重大基础研究项目613148

在线出版日期：2015-01-21（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：3206-3209