基于最优ABC—SVM算法的P2P流量识别

来源 :计算机应用研究 | 被引量 : 11次 | 上传用户:kanebbsxu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前对等网络(peer-to-peer,P2P)流量的识别是网络管理研究的热门话题。基于支持向量机(support vector machine,SVM)的P2P流量识别方法是常用的P2P流量识别方法之一。然而SVM的性能主要受参数和其使用特征的影响,传统的方法是将SVM的参数优化和特征选择问题分开处理,但是难以获得整体性能最优的SVM分类器。针对以上问题进行了研究,提出了一种基于最优人工蜂群算法与支持向量机相结合的P2P流量识别方法。利用人工蜂群算法,将SVM的参数和特征选择问题视为最优化问题同步
其他文献
研究了一种新的基于最近邻法则的分布式离散形式的一致性协议,该协议只参考两个邻域成员状态来进行状态演变、系统网络拓扑为无向连接切换拓扑图。针对邻域部分信息选取的策略进行了研究,给出了策略的具体算法,并设计了公共Lyapunov函数,进行了系统的稳定性分析,对影响协议收敛的调整因子进行分析和证明。最后给出了对应的仿真实验,仿真实验以11个移动智能体的汇聚为例,其结果表明,在新的协议下,该多智能体系统的
提出一种改进的正弦余弦算法(简记为ISCA)。受粒子群优化(PSO)算法的启发,引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度。此外,采取反向学习策略产生初始个体以提高种群的多样性和解的质量。采用八个高维基准测试函数进行仿真实验:在相同的最大适应度函数评价次数下,ISCA总体性能上均优于基本SCA和HGWO算法;当维数较高(D=1 000)时,ISCA所用计算量远小于HDEOO算法。实验结
如何提取有效的特征一直是情感研究的一个热点。结合脑电信号非线性方法中排列熵计算效率高、样本熵计算准确率高的优点,提出了等分符号化熵(ESE)算法,并试图验证这种新的特征在情感脑电分析中的有效性。该算法在相空间重构前对信号进行等概率符号化处理,用符号矢量的相等计算重构分量比例。仿真结果显示,ESE算法在logistic映射中计算效率与计算准确度均有良好的表现。将ESE算法用于情感脑电信号的分析,结果
采用偏离—份额模型,以2000~2005年为考察期,对湖北省17个市(州)农业的产业结构、竞争力及其对农业产值增长效用的区域差异进行实证分析。
血管平滑肌瘤是一罕见良性肿瘤,好发于下肢,次为上肢和头颈部[1,2],极少见于肝脏.DSA、CT及MRI文献中至今仅报道过1例[3].本文报道1例肝血管平滑肌瘤,并着重探讨其MRI及DSA表