DE-LSSVM网络流量多分类方法

论文摘要

支持向量机对网络流量进行分类时,支持向量机参数易导致分类模型的性能下降,分类精度低下等问题。针对该问题,提出一种改进差分优化算法与最小二乘支持向量机多分类器结合的方法,该模型采用具有自适应算子的DE算法作为优化方法,以LSSVM作为分类方法,交替进行,最终使分类结果最好。实验结果证明,该模型在网络流量多分类中,具有较低的均方根误差和更高的F1指数。

论文目录

• 1 LSSVM模型
• 2 DE算法对LSSVM参数选取
•   2.1 DE算法的基本思想
•   2.2 基于DE算法的LSSVM参数选取
• 3 实验结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 徐轩,姜志侠,刘雪亚

关键词: 网络流量分类,分类模型,差分进化算法,多分类方法,参数选择

来源: 长春理工大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 互联网技术,自动化技术

单位: 长春理工大学理学院

基金: 国家自然科学基金(51378076)

分类号: TP393.06;TP181

页码: 88-92

总页数: 5

文件大小: 1217K

下载量: 41