基于信息熵的自适应网络流概念漂移分类方法-江苏计算机网络技术.PDF

第 卷 第 期 计 算 机 学 报 ０ ７ ４ 　 　 　 　　 　　 　　 ｏｌ．４０ Ｎｏ．７ Ｖ 年 月 ２０１７ ７ Ｊｕｌ ２０１７ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦ ＣＯＭＰＵＴＥＲＳ ｙ 　 　 　 　 　 基于信息熵的自适应网络流概念漂移分类方法 潘吴斌 程 光 郭晓军 黄顺翔 　 　 　 （ ） 东南大学计算机科学与工程学院 南京 １００９６ ２ 　 　 （ （ ） 南京 ） 计算机网络和信息集成教育部重点实验室 东南大学 ２ １００９６ 　 　 ， 学习的流量分类方法精度明显降 摘 要 由于网络流量特征随时间和网络环境的变化而发生改变 导致基于机器 　 　 ， ， ， 低 同时 根据经验定期更新分类器是耗时的 且难以保证新分类器泛化性能 因而 文中提出一种基于信息熵的自 ． ． ， ， 适应网络流概念漂移分类方法 首先根据特征属性的信息熵变化检测概念漂移 再采用增量集成学习策略在概念 ， ， ， 漂移点引入当前流量建立的分类器 并剔除性能下降的分类器 达到更新分类器的目的 最后加权集成分类结果． ， 实验结果表明该方法可以有效地检测概念漂移并更新分类器 表现出较好的分类性能和泛化能力． ； ； ； ； 关键词 概念漂移 机器学习 信息熵检测 增量集成学习 流量分类 　 中图法分类号 Ｔ 号