ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于SVM的并行网络流量分类方法

裴杨; 王勇; 陶晓玲; 李平红桂林电子科技大学
计算机工程与设计2013-8-16
7阅读
引用收藏
分享

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
相关
加载中…
  • 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.
查看全部 →

发表信息

论文状态
公开发表
期刊
计算机工程与设计
发表日期
2013-08-16
卷期
第 08 期
页码
2646-2650
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金项目(61163058);广西自然科学基金项目(2011GXNSFB018076)

作者

  • 裴

    裴杨 (第一作者)

  • 王

    王勇

查看全部 4 位作者收起作者
  • 陶

    陶晓玲

  • 李

    李平红

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417