基于主动学习方法的网络流分类研究

顾名宇

Chinese

您当前的位置：

首页 >

文章列表页 >

基于主动学习方法的网络流分类研究

更新时间：2026-09-04

- 基于主动学习方法的网络流分类研究
- Network Flow Classification Based on Active Learning
- 微电子学与计算机 2011年28卷第9期页码：173-175
- 作者机构：
  
  安顺职业技术学院机构,贵州,安顺,561000
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
顾名宇. 基于主动学习方法的网络流分类研究[J]. 微电子学与计算机, 2011, 28(9): 173-175.

GU Ming-yu. Network Flow Classification Based on Active Learning[J]. 2011, 28(9): 173-175.
顾名宇. 基于主动学习方法的网络流分类研究[J]. 微电子学与计算机, 2011, 28(9): 173-175. DOI：

GU Ming-yu. Network Flow Classification Based on Active Learning[J]. 2011, 28(9): 173-175. DOI：

摘要

提出了一种基于主动学习方法的网络流分类方法

采用主动学习技术提取少量高质量的训练样本进行建模.并提出了一种基于轮盘赌选择的样本筛选方法

能够有效避免已有主动学习方法中的早熟收敛现象.实验结果表明

其相对于已有的流识别方法

能够在仅依赖少量高质量训练样本的前提下

保证较高的识别正确率

更适用于现实网络环境.

Abstract

This paper introduces an active learning method to select the most qualified data for training and propose a roulette wheel selection method.The experimental results demonstrate that the proposed method is able to guarantee high identification accuracy by using a small quantity of high qualified data.Therefore

it is more suitable for the real network applications than the traditional ones.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大模型发展综述：从BERT到Deepseek的技术演进

超低功耗实时时钟电路的设计

一种用于极低压boost系统的高效率电荷泵

基于改进RT-DETR的航拍小目标检测算法

低功耗设计的双链电源关断策略的实现与验证