10.3969/j.issn.1673-5439.2011.04.018
基于集成学习的P2P流量识别模型
将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型.利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量.所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤.采用十折交叉验证与测试集相结合的方法CTFCVWTS( combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性.实验得出流量分类准确率平均为97.27％.结果表明,该模型具有较高的P2P流量识别准确率.
P2P流量识别、集成学习、DTNB、OneR、BP
31
TP393(计算技术、计算机技术)
国家自然科学基金60973139、60773041;国家和江苏省博士后基金20100471353、20100471355、20100471356;江苏高校科技创新计划项目CX09B_153Z,CX10B-260Z,CX10B-261Z,CX10B-262Z,CX10B-263Z;江苏省六大高峰人才项目2008118;省级现代服务业发展专项资金、江苏省计算机信息处理技术重点实验室基金2010
2012-02-21（万方平台首次上网日期，不代表论文的发表时间）
共6页
101-105,111
