论文部分内容阅读
本文提出的基于集成分类器的流量识别技术，由针对不同网络应用的基分类器构成，不同基分类器的判断汇总到决策模块输出最终结果，具有良好的可扩展性，便于增添针对新应用的识别模块；在每个基分类器内部，网络流量首先经过聚类形成若干个簇，在每个簇上单独训练一个分类器，分类器专注于学习簇内部的分类边界；通过增加聚类数量，可以提高集成分类的识别准确率。经实验表明，该技术可以提高单一分类方法的准确性。