一種改進的旋轉森林算法的網絡流量分類
大小：0.60 MB 人氣：1 2017-12-27 需要積分：1
針對不平衡網絡流量分類精度不高的問題，在旋轉森林算法的基礎上結合Bagging算法的Bootstrap抽樣和基于分類精度排序的基分類器選擇算法，提出一種改進的旋轉森林算法。首先，對原始訓練集按特征進行子集劃分并分別使用Bagging進行樣本抽樣，通過主成分分析（PCA）生成主成分系數矩陣；然后，在原始訓練集和主成分系數矩陣的基礎上進行特征轉換，生成新的訓練子集，再次使用Bagging對子集進行抽樣，提升訓練集的差異性，并使用訓練子集訓練C4.5基分類器；最后，使用測試集評價基分類器，依據總體分類精度進行排序篩選，保留分類精度較高的分類器并生成一致分類結果。在不平衡網絡流量數據集上進行測試實驗，依據準確率和召回率兩個標準對C4.5、Bagging、旋轉森林和改進的旋轉森林四種算法評價，依據模型訓練時間和測試時間評價四種算法的時間效率。實驗結果表明改進的旋轉森林算法對萬維網（ WWW）協議、Mail協議、Attack協議、對等網（P2P）協議的分類準確度達到99. 5%以上，召回率也高于旋轉森林、Bagging.C4.5三種算法，可用于網絡入侵取證、維護網絡安全、提升網絡服務質量。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種改進的旋轉森林算法的網絡流量分類下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 234
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86