位置:成果数据库 > 期刊 > 期刊详情页
一种混合约束的半监督网络流量特征选择方法
  • ISSN号:1006-9348
  • 期刊名称:计算机仿真
  • 时间:2013.9.15
  • 页码:256-260
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]桂林电子科技大学计算机科学与工程学院,广西桂林541004, [2]桂林电子科技大学信息与通信学院,广西桂林541004, [3]桂林电子科技大学CSIP广西分中心,广西桂林541004
  • 相关基金:国家自然科学基金项目(61163058),(61172053);广西自然科学基金项目(2011GXNSFB018076)
  • 相关项目:基于FPGA的分级并行高速网络流量分类方法研究
中文摘要:

关于网络通信流量性能控制问题,针对大量不相关和冗余特征制约网络流量分类性能提高的问题,提出一种混合约束的半监督网络流量特征选择方法.在半监督学习的基础上,采用成对约束和无标记样本相结合的特征评价方法快速去除不相关特征,并通过利用互信息的特征相关性过滤剩余特征中的冗余特征,使有监督信息和无监督信息在网络流量的特征选择过程中以不同的方式发挥作用.实验结果表明,与传统的网络流量特征选择方法相比,改进方法能以更少的特征获得更好的网络流量分类性能.

英文摘要:

Aiming at the problem that a large number of irrelevant and redundant features restrict network traffic classification performance,this paper proposed a semi-supervised traffic classification feature selection method based on hybrid constraints.It used the characteristics evaluation method with the combination of pairwise constraints and non-labeled samples to remove the irrelevant features,and used the features correlation based on mutual information to filter redundant features in the remaining features,which enables the supervised and unsupervised information play roles in different ways.Experimental results show that the proposed method can obtain much better network traffic classification performance with fewer features compared with traditional network traffic feature selection method.

同期刊论文项目
期刊论文 49 会议论文 15 获奖 8
同项目期刊论文
期刊信息
  • 《计算机仿真》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科技科工集团公司
  • 主办单位:中国航天科工集团公司第十七研究所
  • 主编:吴连伟
  • 地址:北京市海淀区阜成路14号
  • 邮编:100048
  • 邮箱:jsjfz@compusimu;kwcoltd@public.bta.net.cn
  • 电话:010-59475138
  • 国际标准刊号:ISSN:1006-9348
  • 国内统一刊号:ISSN:11-3724/TP
  • 邮发代号:82-773
  • 获奖情况:
  • 国内外数据库收录:
  • 中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:38378