作者:汤萍萍; 王再见; 王冬菊流识别与分类流量分形数据相关性hurst指数
摘要:关于流识别与分类,目前主流的技术是基于统计学方法,核心环节是提取有效的特征属性集。这种方法的假设条件是,特征不相关,数据不相关。正因为这种假设的不合理性,使得分类效果有限。虽然已经有很多研究在集中解决特征相关性问题,但数据相关性却难以突破。因此引入流量分形理论,该理论建立在数据相关性基础之上。通过对原有理论进行必要的修改、调整以适用于流的分类识别,并用理论证明验证其有效性,最后通过系列实验体现该方法在粗粒度分类、未知流分类等方面的实际效果。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社