文献类型：期刊文章

作　　者：高文[1] 钱亚冠[1,2] 吴春明[1] 郭晔[3] 朱凯[1] 陈双喜[4]

机构地区：[1]浙江大学计算机学院,浙江杭州310027 [2]浙江科技学院理学院,浙江杭州310023 [3]浙江大学图书与信息中心,浙江杭州310027 [4]嘉兴职业技术学院,浙江嘉兴314036

出　　处：《电子学报》

基　　金：国家973重点基础研究发展计划(No.2012CB315903);浙江省重点科技创新团队(No.2011R50010-21;No.2013TD20);国家自然科学基金(No.61379118);国家科技支撑计划(No.2014BAH24F01);国家863计划(No.2012AA01A507);浙江省网络媒体云处理与分析工程技术中心开放课题(No.2012E10023-14)

年　　份：2015

卷　　号：43

期　　号：4

起止页码：795-799

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20152701003327)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：特征选择作为机器学习过程中的预处理步骤,是影响分类性能的关键因素.网络流量具有数据量大,特征维度高的特点,如何快速提取特征子集,并提高分类效率对于基于机器学习的流量分类方法具有重要意义.本文提出基于分治与投票策略的特征提取方法,将数据集分裂为多个子集,分别执行特征提取算法,利用投票方法获得最后的特征子集.实验表明可有效提高特征提取的时间效率,同时使分类器取得良好的分类准确率.

关 键 词：分治 投票 流量分类  特征选择  

分 类 号：TP393.4]