一种基于AdaBoost—SVM的流量分类方法.pdfVIP

第30卷第5期 计 算 机 应 用 研 究 V01．3ONo．5 2013年 5月 ApplicationResearchofComputers Mav2013 一 种基于 AdaBoost—SVM 的流量分类方法木 张 震，汪斌强，梁宁宁，程国振 (国家数字交换系统工程技术研究中心，郑州450002) 摘 要 ：针对传统分类方法的缺 陷，提 出了一种基于 AdaBoost—SVM的流量方法。该方法利用 K．L变换从大量 冗余流量特征中遴选出少量本征特征，有效降低了算法的处理复杂度；应用AdaBoost机制将一次分类过程等分 成若干层基于支持向量机的弱分类器，使得分类方法简单、易于实现；通过分层组合和迭代权重的方法聚焦在困 难分类的数据样本上，提高了分类器的准确性能。理论分析和实验结果表明：在降低计算复杂度的同时，Ada． Boost．SVM算法的准确性能够达到95％。 关键词：流量分类；K—L变换；支持向量机；AdaBoost；弱分类器 中图分类号：TP393 文献标志码：A 文章编号：1001—3695(2013)05—1481．05 doi：10．3969／j．issn．1001．3695．2013．05．051 Internettrafficclassicati0nbasedonAdaBoost。SVM ZHANGZhen，WANGBin—qiang，LIANGNing—ning，CHENG Guo—zhen (NationalDigitalSwitchingSystemEngineering＆TechnologyRDCenter，Zhengzhou450002，China) Abstract：Aimingatthedeficienciesoftraditionalclassifiedmethods，thispaperpresentedanovelschemecalledInternettraf- ticclassificationbasedonAdaBoost—SVM．Herein．thismethodselectedafew intrinsicalflow characteristicsusingK．Ltrans． form from agreatdealredundantones．Inordertomaketheprocesseasilyimplemented，AdaBoostequallypartitionedthewhole classificationintoseverallayers．Itconstructedonenon—linearsupportvectormachineineachlayer．Throughstratifiedcombina． tionsanditerativeweights．thealgorithm ofcusedonhrad．classifieddatatoimprovetheclassifier’sperfomr ance．Theoreticala． nalysisandexperimentalresultsshow thatthealgorithm basedonAdaBoost．SVM canachievetheaccuracyof95％ andbetter computationalperformancecomparedwithtraditionalK．meansandNBCmethods． Keywords：trafficclassification：K．Ltrna sofrmation；supportvectormachine；AdaBoost；weakclassifier 见传输层加密协议SSL的身影。 O 引言