10.3969/j.issn.1000-386X.2011.11.063
基于类均值向量及指数分布的流量行为特征分析
引入类均值向量度量及αβ指数分布方法,旨在提高分类正确率的基础上,克服由于抽样而带来的对分类结果的影响.利用流记录NOC_SET为DATASET,并以NETFLOW固有的测度和少量扩展测度为属性,利用所提出的FBRI( Flow behavior identification)属性选择算法对经典的机器学习算法进行流量识别.实验结果表明:任意比例的抽样对于采用FBRI属性选择的评估结果基本一致,并且利用FBRI属性选择算法可以提高应用识别正确率.
类均值向量、αβ指数分布方法、NETFLOW、机器学习
28
TP3(计算技术、计算机技术)
2012-03-16（万方平台首次上网日期，不代表论文的发表时间）
共5页
249-253
