DOI: 10.12187/2020.04.013
SDN环境下不同机器学习算法的网络流量分类分析
王宣立1
张安琳2
黄道颖1
董帅1
刘江豪1
1.郑州轻工业大学计算机与通信工程学院,河南郑州4500012.郑州轻工业大学工程训练中心,河南郑州450001
摘要：为对比分析软件定义网络(SDN)环境下不同机器学习算法的网络流量分类效果,对Moore数据集进行了平衡处理,在机器学习平台RapidMiner上对K-近邻(KNN)、随机森林(RF)、支持向量机(SVM)和梯度提升决策树(GBDT)4种经典机器学习算法选取不同的分类特征进行分类实验.实验结果表明,较其他3种算法,GBDT算法可以在较短的时间内获得更好的分类效果.
关键词：软件定义网络网络流量分类机器学习梯度提升决策树Moore数据集
分类号：TP393(计算技术、计算机技术)
资助基金：科技攻关计划重点项目(132102210418)
论文发表日期：2020-08-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 96-102 )
英文信息