一种基于半监督学习的应用层流量分类方法

摘要：

基于应用层的流量分类在用户行为识别、网络带宽管理等方面有着十分重要的应用。将机器学习应用到应用层流量分类问题中.首先提出了一种基于熵函数的组合式特征选择算法,提取了5种TCP连接的特征.针对监督学习中无法识别新流量类型的问题,提出了一种基于半监督学习的流量分类算法。实验结果表明,算法的检测率优于Klnealzs方法。在少量标记样本的情况下,随着未标记样本数增加,算法的检测率在增加.

关键词： 流量分类算法 半监督学习 特征选择

作者: 柳斌 李之棠 涂浩

作者单位: 华中科技大学网络与计算中心,湖北,武汉,430074

会议类型: 国内会议

会议名称: 2008年全国开放式分布与并行计算学术年会

会议地点: 扬州

会议语种:中文

页码: 113-116

在线出版日期: 2008-10-25（万方平台首次上网日期，不代表论文的发表时间）