论文研究一种基于AdaBoostSVM的流量分类方法.pdf

针对传统分类方法的缺陷,提出了一种基于AdaBoost-SVM的流量方法。该方法利用K-L变换从大量冗余流量特征中遴选出少量本征特征,有效降低了算法的处理复杂度;应用AdaBoost机制将一次分类过程等分成若干层基于支持向量机的弱分类器,使得分类方法简单、易于实现;通过分层组合和迭代权重的方法聚焦在困难分类的数据样本上,提高了分类器的准确性能。理论分析和实验结果表明：在降低计算复杂度的同时,AdaBoost-SVM算法的准确性能够达到95%。