作者：曹彦珍; 何云斌; 朱素霞; 孙广路网络流量分类规则学习重复增量式降低错误剪枝不平衡数据
摘要：利用一种规则学习方法中的重复增量式降低错误剪枝方法解决网络流量分类问题。利用该方法能够挖掘出网络流属性特征和类别之间的相关关系,并将挖掘出的关系构成分类器用于网络流量分类。该方法能够解决传统机器学习方法在网络流量中有大量的不平衡数据集时,分类错误率高等问题。实验证明,该方法在网络流量分类标准数据集上具有很高的分类准确率、查全率和查准率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《哈尔滨理工大学学报》（CN：23-1404/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《哈尔滨理工大学学报》为中文优秀期刊（2008版）；中国科技优秀期刊(优秀板)；此外，还被美国《化学文摘》（CA）、美国《乌利希期刊指南》（Ulrich P D）、《中国数学文摘》、中国期刊网、万方数据——数字化期刊网等十余种检索数据库和文摘刊物收录和摘引。获奖情况：获国家教育部期刊评比三等奖。
省级期刊
人气 239239 评论 36
人气 154588 评论 33
人气 152346 评论 53
人气 123722 评论 54
