10.3969/j.issn.1671-1122.2018.01.002
AR-HELM算法在网络流量分类中的应用研究
针对传统分类算法建模速度慢、精确度低、分类效率不理想等问题,一种基于粗糙集属性约简的极限学习机网络流量分类方法成为利用机器学习研究网络流量分类的热门方法.由于结构限制,一些特殊的自然信号数据使用极限学习机进行特征学习一定程度上并不是很有效.因此,文章提出一种基于改进的粗糙集属性约简的多层极限学习机算法作为分类算法进行建模.实验结果显示,相较传统的神经网络和机器学习算法,文章算法可以很好地应用于网络流量分类且改善了极限学习机的学习表现.改进后的算法模型获得了更快、更优质的聚合结果.
网络流量分类、属性约简、极限学习机、粗糙集
TP309.1(计算技术、计算机技术)
国家自然科学基金61472437;湖南师大自然科学研究项目物 160432
2018-05-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
9-14