基于混沌粒子群算法和小波SVM的P2P流量识别方法

摘要：

针对对等网络(Peer-to-Peer,P2P)流量具有的多尺度和突变性等问题,提出了基于小波核函数的支持向量机(Support Vector Machine,SVM)的P2P流量识别算法.进一步,对常用的SVM参数训练方法训练时间过长和易陷入局部极优值等缺陷进行分析,使用混沌粒子群算法对SVM参数进行优化以提高参数训练效率和识别准确率.最后利用真实的校园网网络流量数据对所提方法的有效性进行测试,结果表明,相对于使用传统核函数和参数训练方法的支持向量机P2P流量识别方法,所提方法具有更高的P2P流量识别正确率和计算效率.

关键词：P2P流量识别、支持向量机、小波、混沌粒子群优化算法

所属期刊栏目：42

分类号：TP181;TP393(自动化基础理论)

资助基金：国家自然科学基金项目:基于不可分小波核函数支持向量机的对等网络流量识别61170135

在线出版日期：2015-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-121