基于近邻传播学习的半监督流量分类方法

摘要：

准确的流量分类是进行网络管理、安全检测以及应用趋势分析的基础.针对完全监督和无监督分类的缺陷,提出了一种基于近邻传播学习的半监督流量分类方法.通过引入“近邻传播聚类”机制构建分类模型,使得分类器实现过程简单、运行高效.应用“半监督学习”的思想,抽象出少量已标记样本流约束和流形空间先验信息,定义了“流形相似度”的距离测度,既降低了标记流量样本的复杂度,又提高了流量分类器的性能.理论分析和实验结果表明:算法具有较高的分类准确性和较好的凝聚性.

关键词：流量分类、半监督学习、近邻传播聚类、流形相似度

所属期刊栏目：39

资助基金：国家重点基础研究发展计划973计划2012CB312901,2012CB312905;国家高技术研究发展计划863计划2011AA01A103;National Basic Research Program of China 973 Program2012CB312901,2012CB312905;National High Technology Research and Development Program of China 863 Program2011AA01A103

在线出版日期：2013-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1100-1109