改进的单类支持向量机的网络流量检测

作者：吴旗; 刘健男; 寇文龙; 张宗升

来源：吉林大学学报（工学版）, 2013, S1: 124-127.

DOI：10.13229/j.cnki.jdxbgxb2013.s1.068

• 流量分类
• 机器学习
• 支持向量机
• 参数选择 traffic classification
• machine learning
• support vector machine
• parameter selection

单类支持向量机(OCSVM)理论对有限样本、高维空间和不平衡数据集分类有巨大优势,通过使用权重值模拟退火法与动态惯性因子的粒子群算法改进OCSVM的参数选择算法,进行流量分类,使得分类准确率提高了近10%,解决了传统流量分类方法的低准确率和开销大等弊端,对提高网络服务质量、网络管理与控制以及网络安全等领域具有重要意义。

• 出版日期2013
• 单位吉林大学