典型文献
一种基于聚类与噪声的网络流量分类方法
文献摘要：
在标注现实网络流量数据的过程中难免会造成标签错误标记的情况,导致标签数据不可避免地受到噪声污染,即样本的观测标签与真实标签存在差异.为降低噪声标签对分类器分类准确率的负面影响,考虑引入噪声的2种情况,即正确标签类型错误标记和标签类型错误拼写,并提出一种基于标签噪声纠正的网络流量分类方法,该方法利用聚类和权重划分来对观测样本进行评估和修复.在2个网络流量数据集上的实验结果表明,与3种标签噪声修复算法STC、CC和ADE相比,提出的修复算法在不同噪声比例干扰下对最终的分类结果都有一定的提升.在NSL-KDD数据集上,标签平均修复率分别提高23.00％,7.58％和2.05％左右;在MOORE数据集上,标签平均修复率分别提高35.12％,10.40％和4.71％左右,在最终分类模型上有较好的分类稳定性.
文献关键词：
带噪标签;网络流量分类;K-means聚类;标签修复
中图分类号：
作者姓名：
庞兴龙;朱国胜;杨少龙;李修远
作者机构：
湖北大学计算机与信息工程学院,湖北武汉 430062
文献出处：
引用格式：
[1]庞兴龙;朱国胜;杨少龙;李修远-.一种基于聚类与噪声的网络流量分类方法)[J].计算机工程与科学,2022(07):1207-1215
A类：
噪声纠正,MOORE,带噪标签,标签修复
B类：
网络流量分类,分类方法,流量数据,难免会,误标记,标签数据,噪声污染,低噪声,噪声标签,分类器,分类准确率,拼写,标签噪声,法利,重划,分来,复算,STC,CC,ADE,噪声比,NSL,KDD,修复率,分类模型,means
AB值：
0.328247
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
