基于K均值和双支持向量机的P2P流量识别方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：针对目前常用于P2P流量识别的有监督机器学习方法普遍存在时间代价较高的现状，提出采用时间代价为标准支持向量机四分之一的双支持向量机来构建分类器，并采用K均值集成方法快速生成有标签样本集，组合有标签样本集构成双支持向量机的训练样本，最后利用构建好的双支持向量机分类模型进行P2P流量的识别。实验结果表明采用基于K均值集成结合双支持向量机的方法在P2P流量识别的时间代价、准确率和稳定性方面要远优于标准支持向量机。

原文链接:http://www.cqvip.com//QK/94832X/201310/47259938.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：支持向量机 识别方法 p2p 向量机 cqvip P2P流量识别 有监督机器学习 双支持向量机 K均值集成 时间代价