决策树主分量特征优化跟踪及暂态性异常提取

摘要：

为有效定位识别和提取网络流量序列的暂态性异常特征，针对网络异常流量特征扰动性和暂态性特点，提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型，采用二叉分类回归决策树模型进行主分量特征优化跟踪建模，利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性，实现网络流量异常特征的定位提取和识别。仿真实验表明，改进算法的抗干扰能力和分辨率提高显著，暂态性异常特征谱图分辨能力提高，异常特征分布谱清晰可见，展示了较好的特征提取和状态识别性能。

关键词：决策树、小波变换、网络流量

分类号：TP392(计算技术、计算机技术)

在线出版日期：2014-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：137-139