论文研究 基于[t]分布混合模型的半监督网络流分类方法.pdf

针对传统高斯分布容易受到数据样本边缘值和离群点噪声的影响，改用t分布替代原有的高斯混合模型，并使用期望最大化（Expectation Maximization，EM）算法对网络流数据样本进行t分布混合模型的建模。为降低EM算法的迭代次数，对t分布混合模型进行了改进，用理论和实验验证了算法的有效性，并对网络多媒体业务流进行了分类研究。实验表明，提出的算法有较高的分类准确率，拟合的模型要优于传统的K-Means算法和传统的高斯混合模型的EM算法。