典型文献
基于LSTM和特征生成的网络流量分类
文献摘要：
本文提出了一种将特征生成和长短期记忆(long short term memory,LSTM)模型相结合的网络流量分类方法.该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能.通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络(convolutional neural network,CNN)和本文方法用于网络流分类的效果.在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果.对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9％,而在粗分类任务中可达99.2％,其性能明显优于现有其他分类方法.
文献关键词：
流量分类;特征生成;长短期记忆;细分类
中图分类号：
作者姓名：
王帅;董育宁;李涛
作者机构：
南京邮电大学通信与信息工程学院,江苏南京210003
文献出处：
引用格式：
[1]王帅;董育宁;李涛-.基于LSTM和特征生成的网络流量分类)[J].应用科学学报,2022(05):758-769
A类：
网络流分类
B类：
特征生成,网络流量分类,长短期记忆,long,short,term,memory,分类方法,矩阵乘法,法特,生成方式,分析对比,生成方法,分类性能,特征数据,分类问题,convolutional,neural,network,统计特征,核函数,分类效果,真实网络,流数据,细分类,分类任务
AB值：
0.358902
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
