支持向量机的半监督网络流量分类方法

？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。