%0 Journal Article %A 李平红 %A 陶晓玲 %A 王勇 %T 支持向量机的半监督网络流量分类方法 %D 2013 %R 10.3724/SP.J.1087.2013.01515 %J 计算机应用 %P 1515-1518 %V 33 %N 06 %X 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。 %U http://www.joca.cn/CN/10.3724/SP.J.1087.2013.01515