利用半监督近邻传播聚类算法实现P2P流量识别.pdf

万方数据
棚利用半监督近邻传播聚类算法实现髁渴侗衄姗Ⅵ砸篿絫鹅舀,姐晔眔雋目,柚,皃眕锄施;幽啪籲于明,朱超四衟靝瓼磘鷓豴甌,詄緄瓻鰌哈尔滨工程大学学报鏳鹊篴业内联网及校园网等公共网络的正常运行带来了诸多问题,如可用带宽下降、,对髁康募嗫匾殉晌M绻芾的主要任务之一,,目前许多τ梦A硕惚芗嗫匾采取了一系列的应对措施,如随机设置服务端口、对应用层数据进行加密等,从而使传统的基于端口的摘要:为了解决利用少量标记样本实现准确的髁渴侗穑岢隽艘恢只诎爰喽浇诖ú劾嗨惴ǖ腜匆“”鹊址%蛐黄蒬τ糜绕涫荘下载类应用给因特网、企收稿日期:酰第卷第年罅砉ご笱畔⒂,然后在聚类过程中为标记样本和非标记样本设置不同的参考度,使标记样本能够优先成为类代表点,进而通过样本间的消息加权更新完成聚类,最后按照相应的“标记啾鹩成洹惫嬖蚴迪侄髁康氖侗穑芯苛瞬慰级扔胂⒓尤ǜ露允侗鹦阅艿挠跋欤笛榻峁允荆旱北昙茄镜谋壤%时,对流量的识别准确率高于%,误识别率低于ィ坏北昙茄镜谋壤锏ズ螅侗鹱既仿矢哂ィ罡呖纱%,而误识别率则低于ィ皇侗鹦阅芩姹昙茄颈壤奶岣叨岣撸关键词:髁渴侗穑话爰喽骄劾啵唤诖úィ换餮埃煌绨踩网络出版地址:://甤畁蝛痙畊...甴中图分类号:南妆曛韭耄篈文章编号:.,血舳祊∞—Ⅳ襠鮳鹊蚰閏礶祍鸵辤%;礶%辒恚痡..:,,””,琣鱣鸽琍譵礱%】【:;—Ⅳ;网络出版时间:基金项目:国家自然科学基金资助项目;:于明校彩Γ┦浚通信作者:于明,猰:■●●■●』
万方数据
算法描述瑀,矗∑瑀口螅瑋弧芠瑀’,戈:,⋯,菇。幢昙茄炯霞亲鱱戈训,石棚,,基于传输层统计特征的机器学习方法成为髁渴侗鸬难芯咳鹊憔蒍,其中,有监督的分类识别方法、无监督的聚类识别方法和启发式识别方法是鲋饕Q芯糠较颍喙爻晒淙辉赑流量识别方面取得了较好的实验结果,,有监督的分类识别方法不仅要对大量样本进行繁重的标记工作,而且无法发现未知的τ美嘈汀辭;无监督的聚类识别方法需要对聚类过程中得到的“簇”进行标记分类,这是一项十分困难的工作,而且会对识别准确率产生较大的影响唬黄舴⑹绞侗鸱椒ǘ云舴⒐嬖蚓哂薪锨康依赖性,而且识别准确度也十分有限口本文在近邻传播伍珹聚类算法的基础上,,它将样本集中的所有样本都视作潜在的类代表点,在聚类过程中则通过样本间的消息迭代更新从相邻样本中选择最优的类代表点,当各簇中所有样本与距其最近的类代表点的相似度之和最大时,,任意靖阨和‰之间的相似度瑋话阌门肥暇嗬肜幢硎荆磗,.一龙还健炯涞南⒌略蚴峭过鱿⒋ǖ莶问母率迪值模直鹞N参数和适选度参数口,局渲校瑀,反了戈。作为菇睦啻淼愕氖屎铣潭龋杂诟阨来说,甹和的值越大,戈。,取得最大值时,所对应的样本<次9絠的聚类中此外,基本聚类算法在聚类开始之前为每一样本都设置了一个相同的参考度参数硎各样本均以相同的概