计算机应用研究

作者：黄燚,刘珍,王若愚,陈洁桐,

单位：1.广东药科大学医药信息工程学院,广州510006；2.华南理工大学信息网络工程研究中心,广州510006；3.广东省计算机网络重点实验室,广州510006；

关键词：移动App流量,机器学习算法,分类方法,聚类方法,流式数据,

基金：国家自然科学基金资助项目(61501128)；广东省自然科学基金资助项目(2017A030313345)；国家级大学生创新创业训练计划资助项目(201710573005,S202010573042)；中央高校基本业务费资助项目(x2rj/D2174870)；；

移动互联网流量分类/聚类是有效管理网络流量的重要基础，但是已有文献采集的移动互联网流量数据来源不同、流量数据标签级别不同、描述流量数据的特征集合不同，所获得的实验结果无法进行直接比较。借助于MobileGT系统采集移动App产生的网络流量数据，从两种粒度标记流量数据（App级别和功能级别），以单向流和双向流分别获取不同的特征集合，进而综合性实验分析各种机器学习算法在不同标记粒度和不同特征集合描述的移动互联网流量数据上的分类/聚类性能。实验结果表明，在流统计特征方面，基于单向流的统计特征更优；在分类算法方面，随机森林和AdaBoost算法更优；在聚类算法方面，K-均值方法更优。

来源：2020年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第11期