基于粒关系矩阵的流量在线分类OA北大核心CSCDCSTPCD
Online Traffic Classification Based on Granular Relation Matrix
随着各种网络应用爆发式增长,流量的在线分类陷入困境之中.传统的基于包统计特征的机器学习方法适用于稳定的网络环境,当网络拥塞出现严重的时延和丢包时将产生较大误差.因而本文提出基于粒计算模型的分类方法.粒计算属于人工智能计算的分支,当数据缺失、信息不完全或是有噪数据仍拥有较高的分辨能力.为此本文将网络流量定义成粒子并构造粒子间关系,再建立粒关系矩阵.传统的包统计特征只是粒关系矩阵当观测角度达到最大时的特例,因此粒关系矩阵对流量特性的描述更为全面,以此进行分类也更为精准.最后实验数据证明了该方法的有效性和优越性.
汤萍萍;董育宁
南京邮电大学通信与信息工程学院,江苏南京210003安徽师范大学物理与电子信息学院,安徽芜湖241000
信息技术与安全科学
网络流量在线分类粒计算关系矩阵差异度
《电子学报》 2021 (1)
基于内容感知的泛在异构无线网络自主QoE体系结构和关键技术研究
1-7,7
国家自然科学基金(No.61271233)安徽省高校自然科学研究基金(No.KJ2019A0491)
评论