-
Patent Agency Ranking
公开(公告)号：CN104767692A
公开(公告)日：2015-07-08
申请号：CN201510176138.1
申请日：2015-04-15
IPC: H04L12/801 , H04L12/26
Abstract: 本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
-
公开(公告)号：CN104751200B
公开(公告)日：2019-05-21
申请号：CN201510167001.X
申请日：2015-04-10
IPC: G06K9/62
Abstract: 本发明提供一种SVM网络业务分类的方法，所述方法包括：(1)利用串行分割反馈方法对网络业务的初始SVM分类器进行初始训练，得到分类超平面；(2)利用有效边界淘汰方法，淘汰分类超平面构建无用的样本点，得到最优分类超平面。本发明提供了一种相对高效的方法来对机器学习算法进行改进，在保证分类精度基本不变的前提下，有效降低机器学习分类器的训练时间，伎网络流量数据的分类成本得以降低。
-
公开(公告)号：CN104767692B
公开(公告)日：2018-05-29
申请号：CN201510176138.1
申请日：2015-04-15
IPC: H04L12/801 , H04L12/26
Abstract: 本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
-
公开(公告)号：CN104767656A
公开(公告)日：2015-07-08
申请号：CN201510166795.8
申请日：2015-04-10
IPC: H04L12/26
Abstract: 本发明提供一种基于分数阶傅里叶变换的网络流量特性分析方法，该方法包括：(1)提取网络流量数据；(2)运用网络流量特性分析算法，通过网络流量数据得到Hurst指数；(3)通过网络流量特性参数分析当前的网络状态，并对Hurst指数进行修正。该方法使用基于分数阶傅里叶变换算法是兼有时域估计法和频域估计法的优点，算法时间复杂度低，受时间尺度影响小，顽健性强。
-
公开(公告)号：CN104751200A
公开(公告)日：2015-07-01
申请号：CN201510167001.X
申请日：2015-04-10
IPC: G06K9/66
Abstract: 本发明提供一种SVM网络业务分类的方法，所述方法包括：(1)利用串行分割反馈方法对网络业务的初始SVM分类器进行初始训练，得到分类超平面；(2)利用有效边界淘汰方法，淘汰分类超平面构建无用的样本点，得到最优分类超平面。本发明提供了一种相对高效的方法来对机器学习算法进行改进，在保证分类精度基本不变的前提下，有效降低机器学习分类器的训练时间，伎网络流量数据的分类成本得以降低。
-
-
-
-
Search Results
5
records
(took 0.085 seconds)
