摘要
针对SVM(support vector machine)算法应用到大规模网络流量分类中存在计算复杂度高、训练速度慢等问题,提出一种基于云计算平台进行并行网络流量分类的SVM方法,以提高对大数据集的分类训练速度。该方法是一种采用云计算平台构建多级SVM和映射规约(MapReduce)模型的方法。它将训练数据集划分为多个子训练数据集,通过对所有子训练数据集进行并行训练,得到支持向量集,进而训练出流量分类模型。实验结果表明,与传统的SVM方法相比,并行SVM网络流量分类方法在保持较高分类精度的前提下,有效地减少了训练时间,提高了大规模网络流量分类的速度。
学科与关键词
关键词
网络流量分类支持向量机并行映射规约云计算 network traffic classificationsupport vector machineparallelMapReducecloud computing
- 支持向量机的半监督网络流量分类方法李平红; 王勇; 陶晓玲计算机应用, 2013, (06): 1515-1518.
- 基于机器学习的即时通信流量分类技术穆罕默德·沙飞克其他, 2018.
- 支持向量分类机在入侵检测中的应用研究雷向宇; 周萍计算机工程与应用, 2013, (11): 88.
