基于有督导机器学习的网络流量识别系统

摘要：

针对真实网络环境中存在大量干扰噪声和野值样本等严重影响最小二乘支持向量机算法的性能等问题,提出一种结合协同量子粒子群优化算法和最小二乘支持向量机的网络流量识别系统.将网络流量分为12个类型,并进行数据采集.使用采集的数据对网络流量识别系统进行训练和性能测试.为研究提出的基于CQPSO-LSSVM算法的性能,将其与基于CQPSO-LSSVM算法和基于PSO-LSSVM算法进行对比,结果表明基于CQPSO-LSSVM算法具有更快的识别速度以及更好的识别准确率,避免了出现陷入局部最优解的情况发生.

关键词：有督导机器学习、网络流量识别、LSSVM、协同量子粒子群优化算法

所属期刊栏目：38

分类号：TN711-34;TP393(基本电子电路)

在线出版日期：2015-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-112,117