一种多分类器联合的网络流量分类方法

摘要：

由于以往的网络流量分类方法是单一的机器学习分类方法,这种方法的总体准确率(Overall Accuracy)提高困难,而且这个问题长期存在着,鉴于此,提出了一种新的网络流量分类的方法,以机器学习分类方法为基础,联合不同分类方法,运用集成学习的思想,使用加权组合权重的方式来实现网络流量的分类;实验表明,新方法提高了总体准确率,比单一的机器学习分类方法更好.

关键词：流量分类、支持向量机、贝叶斯增广朴素贝叶斯、BP神经网络、集成学习

所属期刊栏目：33

分类号：TP393(计算技术、计算机技术)

在线出版日期：2016-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78