基于一维卷积神经网络的网络流量分类方法
Computer Engineering and Applications（2020）
摘要
针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法.将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性.设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型.该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题.通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4％,总分类时间节省了71.48％.另外在类精度、召回率以及F1分数方面都有较好的提升.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要