一种基于机器学习的网络流早期分类方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.14132/j.cnki.1673-5439.2022.04.013

一种基于机器学习的网络流早期分类方法

引用
流早期分类对于优化网络管理和确保服务质量(Quality of Service,QoS)至关重要.针对传统流特征在流早期分类中性能较低的问题,在现有研究基础上,提出了两种新的特征:一是通过等距分箱划分包大小等级,计算相邻到达的两个数据包的包大小等级条件频度;二是通过将包大小序列和包到达时间间隔对应相除,得到速率序列,并计算该序列的统计特征作为分类特征.同时,考虑到早期分类的实时性要求,分析了流特征计算的时间复杂性,在特征选择中优化了时间和准确性之间的平衡.另外,针对网络视频流量占比较大的情况,提出了一种层级分类结构;先使用较少的数据包进行non-video/video的二分类,再使用后续的数据包,进行non-videos和videos的细粒度分类.采用随机森林在两个实际网络数据集上进行分类性能测试,并与文献方法进行比较,验证了该方法在快速流量分类中的优越性.

流早期分类、特征选择、条件频度、层级结构

42

TP391(计算技术、计算机技术)

国家自然科学基金61271233

2022-10-13(万方平台首次上网日期,不代表论文的发表时间)

共9页

96-104

相关文献
评论
暂无封面信息
查看本期封面目录

南京邮电大学学报(自然科学版)

1673-5439

32-1772/TN

42

2022,42(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn