论文研究 基于GA CFS和AdaBoost算法的网络流量分类.pdf

鉴于特征属性选择在网络流量分类中占据重要地位, 为了确定最优特征子集, 利用CFS作为适应度函数的改进遗传算法GA-CFS, 从网络流量的249个属性空间中提取主要属性并最终选定18个特征组合作为最优特征子集。通过AdaBoost算法把一系列的弱分类器提升为强分类器, 对网络流量进行了深入的分类研究。实验结果表明, 基于GA-CFS和AdaBoost的流量组合分类方法较弱分类器具有较高的分类准确率。