针对传统分类算法建模速度慢、精确度低、分类效率不理想等问题,一种基于粗糙集属性约简的极限学习机网络流量分类方法成为利用机器学习研究网络流量分类的热门方法。由于结构限制,一些特殊的自然信号数据使用极限学习机进行特征学习一定程度上并不是很有效。因此,文章提出一种基于改进的粗糙集属性约简的多层极限学习机算法作为分类算法进行建模。实验结果显示,相较传统的神经网络和机器学习算法,文章算法可以很好地应用于网络流量分类且改善了极限学习机的学习表现。改进后的算法模型获得了更快、更优质的聚合结果。
科研之友
微信
新浪微博
Facebook
分享链接
