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

基于机器学习的即时通信流量分类技术

穆罕默德·沙飞克
2018DOI: 10.27061/d.cnki.ghgdu.2018.000259
9阅读
引用收藏
分享

摘要

论文对主要的网络流量分类技术进行了阐述,并提出了目前网络流量分类技术所面临的问题。然后论文主要研究了以下内容:准确的即时通信(IM)流量分类方法,有效的特征选择方法和用于IM流量分类的有效特征包数的界定方法。为了提高IM流量分类精度,稳定性和分类性能,论文提出了一些算法模型,具体贡献如下:1、论文在研究和分析即时通信流量的特点和相关机器学习的理论和方法的基础上,首先选择支持向量机(SVM)、C4.5决策树、贝叶斯网络和朴素贝叶斯这4种经典机器学习分类器进行即时通信文本流量分类的研究,并在两种不同网络环境下采集即时通信流量数据做为数据集。然后,提取了50个流量特征用于训练和测试。实验结果表明,所...

学科与关键词

关键词
流量分类即时通信特征选取机器学习分类不平衡 Traffic classificationInstant Messagingfeature selectionMachine learningClass imbalance
相关
加载中…

文献加载失败,请重试

重试

学位信息

学位
其他
答辩日期
2018

作者

  • 穆

    穆罕默德·沙飞克 (第一作者)

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