-
公开(公告)号：CN116633867A
公开(公告)日：2023-08-22
申请号：CN202210126850.0
申请日：2022-02-10
Applicant: 南京邮电大学
IPC: H04L47/2441 , G06F18/24 , G06F18/214
Abstract: 本发明基于改进特征选择的网络流量分类方法，该方法使用改进的特征选择方法，根据特征在样本集中的信息量变化计算特征权重，选取重要性高的特征，并使用皮尔森相关系数来计算特征之间的相关性，删除冗余特征。该方法避免了重要的特征不能被选择，去除了不相关以及冗余的特征，使得最终的特征子集具有更高的代表性、可识别性，从而提高分类精度和模型的综合性能。本方法适用于所有基于深度学习的网络流量分类场景中不相关或冗余特征过多导致识别率低、效率不高的场景。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
