检索结果

Select

1. 支持向量机的半监督网络流量分类方法

李平红王勇陶晓玲

计算机应用 2013, 33 (06): 1515-1518. DOI: 10.3724/SP.J.1087.2013.01515

摘要（1041）

PDF （626KB）（709）

针对传统网络流量分类方法准确率低、开销大、应用范围受限等问题，提出一种支持向量机（SVM）的半监督网络流量分类方法。该方法在SVM训练中，使用增量学习技术在初始和新增样本集中动态地确定支持向量，避免不必要的重复训练，改善因出现新样本而造成原分类器分类精度降低、分类时间长的情况；改进半监督Tri-training方法对分类器进行协同训练，同时使用大量未标记和少量已标记样本对分类器进行反复修正, 减少辅助分类器的噪声数据，克服传统协同验证对分类算法及样本类型要求苛刻的不足。实验结果表明，该方法可明显提高网络流量分类的准确率和效率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于多片FPGA的双优先级动态调度算法

杜双枝王勇陶晓玲

计算机应用 2013, 33 (03): 862-865. DOI: 10.3724/SP.J.1087.2013.00862

摘要（1332）

PDF （641KB）（436）

针对单片现场可编程门阵列(FPGA)在处理高速网络中海量数据时存在效率低下的问题,结合多处理器的双优先级调度算法,在所构建的多片FPGA并行处理的高速数据采集和处理模型上,提出一种基于多片FPGA的双优先级动态调度算法,并对处于低优先级段的强实时周期任务提出一种最早截止期临界松弛调度(EDCL)算法。根据任务的松弛度确定任务的优先级,若提升时间到达时仍未完成,则将其提升到高优先级段; 对软实时周期任务,设置在中优先级段,通过延长当前任务截止期至动态模糊阈值进行调度。实验结果表明,该算法能很好地调度强实时周期任务,保证重要任务的优先执行,并能降低由于抢占造成的软实时周期任务错失率。

参考文献 | 相关文章 | 多维度评价

Select

3. 混合模式的网络流量分类方法

胡婷王勇陶晓玲

计算机应用 2010, 30 (10): 2653-2655.

摘要（1532）

PDF （513KB）（1018）

为了更好地满足用户对各类Internet业务服务质量越来越精细的要求，流量分类是网络管理的重要环节之一。通过分析、对比基于端口号匹配、特征字段分析和流统计特征的机器学习分类方法的应用现状及其优缺点，针对单一分类方法存在的分类准确度不高、分类时间长等问题，提出一种混合模式的网络流量分类方案。此方案结合端口号匹配和机器学习分类方法，采用输出结果可视化的自组织映射网络算法实现网络流量在应用层的分类。实验表明，该方案能有效地实现对网络流量应用类型的分类，分类结果可视化效果好。