计算机应用研究

作者：张仁斌,张杰,吴佩,

单位：合肥工业大学计算机与信息学院,合肥230009；

关键词：流量分类,集成学习算法,多类不平衡,泛化性能,

针对AdaBoost.M2算法在解决多类不平衡协议流量的分类问题时存在不足，提出一种适用于因特网协议流量多类不平衡分类的集成学习算法RBWS-ADAM2，本算法在AdaBoost.M2每次迭代过程中设计了基于权重的随机平衡重采样策略对训练数据进行预处理，该策略利用随机设置采样平衡点的重采样方式来更改多数类和少数类的样本数目占比，以构建多个具有差异性的训练集，并将样本权重作为样本筛选的依据，尽可能保留高权重样本，以加强对此类样本的学习。在国际公开的协议流量数据集上将RBWS-ADAM2算法与其他类似算法进行实验比较表明，相比于其他算法，该算法不仅对部分少数类的F-measure有较大提升，更有效提高了集成分类器的总体G-mean和总体平均F-measure，明显增强了集成分类器的整体性能。

来源：2019年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第6期