基于RIPPER的网络流量分类方法

摘要：

利用一种规则学习方法中的重复增量式降低错误剪枝方法解决网络流量分类问题.利用该方法能够挖掘出网络流属性特征和类别之间的相关关系,并将挖掘出的关系构成分类器用于网络流量分类.该方法能够解决传统机器学习方法在网络流量中有大量的不平衡数据集时,分类错误率高等问题.实验证明,该方法在网络流量分类标准数据集上具有很高的分类准确率、查全率和查准率.

关键词：网络流量分类、规则学习、重复增量式降低错误剪枝、不平衡数据

所属期刊栏目：22

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60903083, 61502123;黑龙江省新世纪人才项目1155-ncet-008;黑龙江省博士后科研启动基金

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：85-90