位置:成果数据库 > 期刊 > 期刊详情页
一种基于位向量流分类算法的改进
  • ISSN号:1003-5060
  • 期刊名称:《合肥工业大学学报:自然科学版》
  • 时间:0
  • 分类:TP393.0[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]合肥工业大学计算机与信息学院,安徽合肥230009
  • 相关基金:安徽省自然科学基金资助项目(11040606M138)
中文摘要:

在流分类算法中,聚合位向量(ABV)算法分类速度快、并行性好,但内存开销过大;位向量折叠(AFBV)算法对ABV算法进行了改进,降低了运行时内存的消耗,但其冗余计算增加了时间开销。针对上述不足,文章提出一种改进的位向量流分类算法,该算法无需进行位向量聚合,减少了内存开销,并按规则的源/目的IP地址前缀建立分组表,根据表中分组所包含IP地址数目降序排列,使得算法具有良好的时间性能。实验结果表明,本算法在大规模规则库下具有良好的时间和空间效率。

英文摘要:

In view of flow classification,aggregated bit vector(ABV)algorithm is faster and has good parallelism,but the memory overhead is too large.The aggregated and folded bit vector(AFBV)algorithm improves ABV algorithm with less run-time memory consumption,but its redundant computation increases time overhead.An improved flow classification algorithm based on bit vector is proposed,which does not require bit vector aggregation,reduces memory overhead,establishes prefix grouped table according to the source/destination IP address prefix of rules,and makes the descending order by the number of IP addresses contained in the groups of table,so that the algorithm can have good time performance.The experimental results show that the algorithm has good time and space efficiency for large-scale rule base.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《合肥工业大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:合肥工业大学
  • 主编:何晓雄
  • 地址:合肥市屯溪路193号
  • 邮编:230009
  • 邮箱:XBZK@hfut.edu.cn
  • 电话:0551-2905639
  • 国际标准刊号:ISSN:1003-5060
  • 国内统一刊号:ISSN:34-1083/N
  • 邮发代号:26-61
  • 获奖情况:
  • 1999中国优秀高校自然科学学报,1997华东地区优秀期刊,1998安徽省优秀科技期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),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:19655