您的位置： 专家智库 > >

张龙璨

作品数：3 被引量：4H指数：1
供职机构：华中科技大学更多>>
发文基金：中央高校基本科研业务费专项资金湖北省自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 3篇自动化与计算...

主题

  • 3篇网络
  • 3篇网络流
  • 3篇网络流量
  • 2篇特征选取
  • 1篇对等网
  • 1篇对等网络
  • 1篇特征提取
  • 1篇子群
  • 1篇网络流量分类
  • 1篇粒子群
  • 1篇粒子群优化
  • 1篇劫持
  • 1篇会话
  • 1篇会话劫持
  • 1篇半监督学习
  • 1篇P2P
  • 1篇MEANS

机构

  • 3篇华中科技大学

作者

  • 3篇张龙璨
  • 2篇李芝棠
  • 2篇柳斌

传媒

  • 1篇广西大学学报...

年份

  • 1篇2013
  • 2篇2011
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
基于粒子群优化半监督学习的网络流量分类方法研究
在互联网高速发展的今天，伴随着P2P下载和P2P流媒体技术的出现，各类新兴的网络应用如雨后春笋般涌现。网络负载的急剧增加使得传统的服务提供商逐渐认识到互联网形势的严峻。如何在高速大流量网络带宽中迅速有效地识别各类网络应用...
张龙璨
关键词：会话劫持
文献传递
机器学习分类下网络流量的特征选取被引量：3
2011年
面对近年来不断增长的网络带宽压力,常见的基于端口和负载内容的网络流量分类系统,已经越来越难以满足大流量环境下的检测需求,而基于流行为特征的方法由于其难以规避性,正得到越来越多的重视。文中运用了基于流行为特征的流量分类方法,将几种具有较高区分度的特征引入特征向量中,采用K-Means进行初步聚类。实验证明,该方法产生了很好的分类效果,极大提高了P2P流量分类的准确率。
张龙璨柳斌李芝棠
关键词：网络流量P2P
机器学习分类下网络流量的特征选取
面对近年来不断增长的网络带宽压力，常见的基于端口和负载内容的网络流量分类系统，已经越来越难以满足大流量环境下的检测需求，而基于流行为特征的方法由于其难以规避性，正得到越来越多的重视。文中运用了基于流行为特征的流量分类方法...
张龙璨柳斌李芝棠
关键词：对等网络特征提取
全选 清除 导出
共1页<1>
聚类工具0