文献类型：期刊文章

作　　者：李道全[1] 王雪[1] 于波[1] 黄泰铭[1]

LI Daoquan;WANG Xue;YU Bo;HUANG Taiming(School of Information and Control Engineering,Qingdao University of Technology,Qingdao,Shandong 266520,China)

机构地区：[1]青岛理工大学信息与控制工程学院

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金（No.61572269）

年　　份：2020

卷　　号：56

期　　号：3

起止页码：94-99

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法。将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题。通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4%,总分类时间节省了71.48%。另外在类精度、召回率以及F1分数方面都有较好的提升。

关 键 词：一维卷积神经网络  流量分类  数据预处理 参数优化 深度学习  

分 类 号：TP393.0]