基于流记录偏好度的多分类器融合流量识别模型.pdf

《基于流记录偏好度的多分类器融合流量识别模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第34卷第10期通信学报Vol.34No.102013年10月JournalonCommunicationsOctober2013doi:10.3969/j.issn.1000-436x.2013.10.017基于流记录偏好度的多分类器融合流量识别模型1,2,31,2董仕，丁伟(1.东南大学计算机科学与工程学院，江苏南京211189；2.东南大学计算机网络和信息集成教育部重点实验室，江苏南京211189；3.周口师范学院计算机科学与技术学院，河南周口466001)摘要：通过将证据理论引入到流量分类的决策模块中，提出了偏好度和时效度权值，并通过实测数据对多分类器识别模型进行验证，其

2、结果表明该模型较好的克服了单分类器的片面性，通过对多个证据的融合来优化识别的结果。关键词：多分类器融合；证据理论；偏好度；机器学习中图分类号：TP393.08文献标识码：B文章编号：1000-436X(2013)10-0143-10Trafficclassificationmodelbasedonfusionofmultipleclassifierswithflowpreference1,2,31,2DONGShi,DINGWei(1.SchoolofComputerScienceandEngineering，SoutheastUniversity,Nanjing211189Chi

3、na;2.KeyLaboratoryofComputerNetworkandInformationIntegration,MinistryofEducations,SoutheastUniversity,Nanjing211189,China;3.SchoolofComputerScienceandTechnology,ZhoukouNormalUniversity,Zhoukou466001,China)Abstract:Theconceptofmulti-classifierfusionwasintroducedwhichcanimprovetheclassificationa

4、ccuracyandover-comethedisadvantageofsingleclassifier.DStheorywasintroducedintodecisionmoduleoftrafficclassificationandpreferenceandtimelinesswasproposed.Afteranalyzingmulti-classifiermodelbysimulation,theresultsshowthenewclassifiermodelcanovercomeonesidednessofsingleclassifier,dependingonmulti

5、pleevidencestooptimizethetrafficresults.Keywords:multi-classifier;DStheory;preference;machinelearning于不同的样本各算法又存在不同的适应度，因而为1引言了解决单分类器的这种片面性问题，本文提出一种随着网络带宽不断增长，各种新的网络应用不基于多分类器融合的流量识别模型。一方面可以克断产生，网络流量识别作为网络管理中一个研究热服单分类器存在的适应度缺陷，另一方面也可以提点方向逐渐受到国内外研究人员的关注。在机器学高分类识别的精度。目前，很多研究都是基于单分习的流量识别方法中为了获取更加精

6、准的识别精类器的，且其分类性能的提升已经到达一定的瓶度，更高的识别效率，就需要对分类的数据进行流颈，而对多分类器的流量识别的研究比较稀少。不量的特征选择，把对分类精度影响很大的特征属性同的单分类器在处理数据噪声问题时有不同的效通过量化以及有效评估的方式选择出来。目前，常率，因此当面临不同的网络流数据的时候可能造成见的单分类器的流量识别方法很多，例如：BAYES因对噪声数据的弱处理而带来单分类器本身分类[1~9]神经网络、SVM、C4.5决策树等方法，但是对效果的下降，并且对于在线的流量识别以及抽样对收稿日期：2012-07-13；修回日期：2013-05-13基金项目：国家重点基础

7、研究发展计划(“973”计划)基金资助项目(2009CB320505)；国家科技支撑计划基金资助项目（2008BAH37B04）FoundationItems:TheNationalBasicResearchProgramofChina(973Program)(2009CB320505);TheNationalScienceandTechnologyPlanProjects(2008BAH37B04)·144·通信学报第34卷数据分类影响也是目前需要解决的问题，因此，