%0 Journal Article
%T 重尾分布的网络流量SVM分类
%A 程华
%A 夏宁
%A 房一泉
%J 华东理工大学学报
%P 807-811
%D 2010
%X 网络流量表现出突发和自相似等动态特性，使得网络应用很难进行准确分类。本文分析了流量动态特性产生的不平衡性及其重尾分布，提出了基于重尾分布的流量分类定量分析模型。基于该分析模型，研究分类算法中训练集采集位置和规模大小的选取。考虑到混合流量中的次要数据流通常是小样本，选用支持向量机(SVM)算法进行流量分类。实验结果表明：重尾分布的流量分类训练集可以选择最佳采集位置和规模，以获得较好的分类模型，该定量分析模型对流量分类及提高分类精度有指导意义。
%K 流量分类
%K 突发
%K 重尾分布
%K 不平衡数据集
%K 支持向量机(SVM)
%U http://journal.ecust.edu.cn/ch/reader/view_abstract.aspx?file_no=201006013&flag=1