准确的流量分类是进行网络管理、安全检测以及应用趋势分析的基础.针对完全监督和无监督分类的缺陷,提出了一种基于近邻传播学习的半监督流量分类方法.通过引入"近邻传播聚类"机制构建分类模型,使得分类器实现过程简单、运行高效.应用"半监督学习"的思想,抽象出少量已标记样本流约束和流形空间先验信息,定义了"流形相似度"的距离测度,既降低了标记流量样本的复杂度,又提高了流量分类器的性能.理论分析和实验结果表明:算法具有较高的分类准确性和较好的凝聚性.
科研之友
微信
新浪微博
Facebook
分享链接
