公开(公告)号：CN109981335A

公开(公告)日：2019-07-05

申请号：CN201910077766.2

申请日：2019-01-28

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  刘丹 ,  姚立霜 ,  王云锋 ,  裴作飞

IPC: H04L12/24 ,  G06K9/62

Abstract: 本发明公开了一种组合型类不均衡流量分类的特征选择方法，采用非搜索型算法利用加权对称不确定性WSU来计算类别与特征之间的相关度，根据特征之间的WSU滤除冗余特征，从而得到第一目标特征集合，可以显著降低后续特征子集筛选的计算复杂度，然后采用SFS算法进一步降低特征的维数，直到特征数增加到指定的维数为止，这样就可以减小样本分布不平衡问题给网络流量分类带来的不良影响，选择出具有强区分能力的特征集合，从而可以显著提高网络流量的分类精度。

公开(公告)号：CN109802862A

公开(公告)日：2019-05-24

申请号：CN201910230095.9

申请日：2019-03-26

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  姚立霜 ,  刘丹 ,  王云峰 ,  裴作飞

IPC: H04L12/24 ,  H04L12/26

Abstract: 本发明属于网络流量预测技术领域，特别涉及一种基于集合经验模态分解的组合型网络流量预测方法，包括：获取原始流量数据并进行预处理；通过集合经验模态分解将网络流量分解为不同时间尺度上频率单一的IMF分量；通过自相关性和偏自相关分析，确定IMF分量序列的平稳性；对平稳的IMF分量用线性的ARMA模型预测；对非平稳的IMF分量用非线性的Elman神经网络预测；将各IMF分量序列的预测值进行求和得到网络流量的预测值；本发明更准确、全面地描述和预测实际网络流量，从而提高预测精度和增加预测可靠性。