-
题名基于信息熵的自适应网络流概念漂移分类方法
被引量：14
- 1
-
-
作者
潘吴斌
程光
郭晓军
黄顺翔
-
机构
东南大学计算机科学与工程学院
计算机网络和信息集成教育部重点实验室(东南大学)
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第7期1556-1571,共16页
-
基金
国家"八六三"高技术研究发展计划项目基金(2015AA015603)
江苏省未来网络创新研究院未来网络前瞻性研究项目(BY2013095-5-03)
+2 种基金
江苏省"六大人才高峰"高层次人才项目(2011-DZ024)
中央高校基本科研业务费专项资金
江苏省普通高校研究生科研创新计划资助项目(KYLX15_0118)资助~~
-
文摘
由于网络流量特征随时间和网络环境的变化而发生改变,导致基于机器学习的流量分类方法精度明显降低.同时,根据经验定期更新分类器是耗时的,且难以保证新分类器泛化性能.因而,文中提出一种基于信息熵的自适应网络流概念漂移分类方法,首先根据特征属性的信息熵变化检测概念漂移,再采用增量集成学习策略在概念漂移点引入当前流量建立的分类器,并剔除性能下降的分类器,达到更新分类器的目的,最后加权集成分类结果.实验结果表明该方法可以有效地检测概念漂移并更新分类器,表现出较好的分类性能和泛化能力.
-
关键词
概念漂移
机器学习
信息熵检测
增量集成学习
流量分类
-
Keywords
concept drift
machine learning
information entropy detection
incremental ensemblelearning
traffic classification
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
