基于决策树的流量分类方法.pdfVIP

第 25卷第 8期 计 算 机 应 用 研 究 Vol. 25 No. 8 2008年 8月 　 App lication R esearch of Computers Aug. 2008 基于决策树的流量分类方法 徐 　鹏a, b , 林 　森a, b , 刘 　琼a, b (中国科学院 a. 软件研究所 ; b. 研究生院 ,北京 100 190) 摘 　要 : 近年来 ,利用机器学习方法处理流量分类问题已成为网络测量领域一个新兴的研究方向。在 目前研究 中应用较多的是朴素贝叶斯方法及其改进算法 ,但这些基于贝叶斯定理的分类方法过于依赖样本空间的分布 , 具有潜在的不稳定性 。为此 ,引入 C4. 5 决策树方法来处理流量分类问题 。C4. 5 决策树方法利用信息熵来构建 分类模型 ,无须假设先验概率的稳定 。实验结果表明 C4. 5 决策树方法可以有效避免网络流分布变化所带来的 影响。 关键词 : 流量分类 ; 网络测量 ; 网络流 ; 决策树 ; 统计属性 中图分类号 : TP393　　　文献标志码 : A 　　　文章编号 : 100 13695 (2008) Internet traffic cla ssification u sing decision tree a, b a, b a, b XU Peng , L IN Sen , L IU Q iong ( a. Institu te of S of tw a re, b. Gradua te S chool, Ch inese A cadem y of S ciences, B eij ing 100 190, Ch ina) A b stract: In recent years, In ternet traffic cla ssification u sing m ach ine learn ing ha s been a new d irection in network m ea su re m ent. N a ve B aye s m ethod and its imp roved algorithm s have been w idely u sed in th is area, becau se they are simp le and effi cient. The m ethod s ba sed on B aye sian theorem dep end on p robab ility d istribu tion of samp le sp acing, so they have connatu ral in stab ility. In order to hand le th is p rob lem , th is p ap er p ropo sed a new m ethod ba sed on C4. 5 decision tree. The C4. 5 m ethod u sed inform ation en trop y to bu ild the cla ssification model w ithou t a ssum ing p rior p robab ility wa s stab le. The te st re su lt