期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于惩罚回归的高噪声流量分类
1
作者
白凯毅
盛志伟
黄源源
《成都信息工程大学学报》
2025年第2期125-131,共7页
针对网络流量数据容易受到干扰的现实情况,引入带噪声标签学习的思想,并人为添加噪声以模糊化特征。先建立特征和标签之间的线性关系,然后用mean-shift参数识别噪声数据。通过人工添加对称噪声和非对称噪声模拟现实情况下的各种干扰信...
针对网络流量数据容易受到干扰的现实情况,引入带噪声标签学习的思想,并人为添加噪声以模糊化特征。先建立特征和标签之间的线性关系,然后用mean-shift参数识别噪声数据。通过人工添加对称噪声和非对称噪声模拟现实情况下的各种干扰信息。由此提出一个基于L2正则的高噪声流量分类模型(PR-2),通过将流量转换为图像并应用L2正则化方法来处理带噪声的标签,以提高高噪声流量下分类模型的性能。在USTC-TF2016数据集上验证了本方法的有效性,并与LSTM、BiTCN、BoAu、CL、INCV、FINE方法进行对比。实验结果表明,PR-2方法在对称噪声和非对称噪声的噪声比为0.8的情况下仍能取得95.16%和86.15%的准确率,证明其在处理高噪声数据方面的有效性和可用性。
展开更多
关键词
高
噪声
流量
流量分类
深度
学习
带噪声标签学习
在线阅读
下载PDF
职称材料
题名
基于惩罚回归的高噪声流量分类
1
作者
白凯毅
盛志伟
黄源源
机构
成都信息工程大学网络空间安全学院
出处
《成都信息工程大学学报》
2025年第2期125-131,共7页
基金
国家重点研发计划资助项目(2022YFB3103103)
四川省重点研发计划资助项目(2022YFS0571)
+1 种基金
四川网络文化研究中心资助项目(WLWH22-18)
四川省自然科学基金资助项目(2022NSFSC0557)。
文摘
针对网络流量数据容易受到干扰的现实情况,引入带噪声标签学习的思想,并人为添加噪声以模糊化特征。先建立特征和标签之间的线性关系,然后用mean-shift参数识别噪声数据。通过人工添加对称噪声和非对称噪声模拟现实情况下的各种干扰信息。由此提出一个基于L2正则的高噪声流量分类模型(PR-2),通过将流量转换为图像并应用L2正则化方法来处理带噪声的标签,以提高高噪声流量下分类模型的性能。在USTC-TF2016数据集上验证了本方法的有效性,并与LSTM、BiTCN、BoAu、CL、INCV、FINE方法进行对比。实验结果表明,PR-2方法在对称噪声和非对称噪声的噪声比为0.8的情况下仍能取得95.16%和86.15%的准确率,证明其在处理高噪声数据方面的有效性和可用性。
关键词
高
噪声
流量
流量分类
深度
学习
带噪声标签学习
Keywords
high-noise traffic
traffic classification
deep learning
learning with noisy labels
分类号
TP183 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于惩罚回归的高噪声流量分类
白凯毅
盛志伟
黄源源
《成都信息工程大学学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
