论文研究网络流量识别的自适应分级滑动窗决策树算法.pdf

针对网络流量存在概念漂移、不同应用类型数据流偏态分布等特性,提出了基于Hoeffding决策树的自适应分级滑动窗决策树的网络流量识别算法。该算法根据节点信息增益率检测概念漂移、动态调整概念漂移检测窗口及不同类型训练样本集窗口,实现对不同速率概念漂移的自适应分类和决策树更新。实验结果显示新算法对劣势频繁漂移的应用类型的识别准确率与batchC4.5算法接近,比CVFDT算法提高约20%,可以获得更加均衡的不同应用类型分类准确度。