谭静
- 作品数：2 被引量：7H指数：2
- 供职机构：河南理工大学计算机科学与技术学院更多>>
- 发文基金：河南省软科学研究计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于混合特征的P2P流量识别方法被引量：4
- 2014年
- 研究P2P异常流量的识别问题。P2P网络节点特征属性较多,代表流量特征的属性存在多层属性,传统的流量识别方法以整体特征为基础,没有对流量特征属性进行进一步划分,一旦出现多识别特征的情况,单一类内的特征很难准确描述这种多流量特征,导致识别精度下降。为了避免上述传统算法的缺陷,提出了一种基于支持向量机增量学习算法的p2p流量识别方法。提取p2p流量混合特征,并将其作为p2p流量识别的依据。建立支持向量机增量学习模型,并对提取的流量混合特征进行有效的识别。实验结果表明,利用改进后的算法能够对异常流量进行准确的识别,提高异常流量识别率,降低误判率,从而有利于p2p网络的管理。
- 谭静张治斌
- 关键词：支持向量机增量学习算法
- 基于K均值与决策树的P2P流量识别研究被引量：4
- 2014年
- 针对标签样本稀少造成的有监督学习的P2P(peer-to-peer)流量识别方法精确度不高的问题,提出了一种基于K均值与决策树的P2P流量识别模型。该模型基于K均值的半监督聚类算法对标签样本和无标签样本进行预处理,利用标签样本建立映射关系,获得无标签样本的类别信息,通过训练处理过的样本建立决策树模型。实验比较了三组不同K值对识别模型精度的影响,并对本文识别模型与决策树识别模型的识别精确度进行测试。测试结果表明,在只有少量标签样本的情况下,该模型能保持较高的识别精度。
- 张治斌谭静
- 关键词：点对点K均值决策树
