典型文献
基于机器学习的软件定义网络数据流子序列匹配算法
文献摘要：
针对传统数据流子序列匹配算法容易忽略子序列相似性度量,导致匹配效果不佳问题,提出基于机器学习的软件定义网络数据流子序列匹配算法.首先描述了软件定义网络;其次提取软件定义网络数据流子序列特征,并将特征转换为同一表现形式,在此基础上,通过欧氏距离度量数据流子序列与查询序列之间的距离,动态规划距离矩阵,寻找最优路径,完成子序列相似性度量;然后改进神经网络,设计模糊神经网络并通过参数调节对其进行训练;最后基于改进后的神经网络,通过计算神经元连接权、获取神经元输出值,完成软件定义网络数据流子序列匹配.实验结果表明,所提算法特征转换耗时短,相似性度量精度在95％以上,神经网络参数调节的平均绝对误差小,且所提算法的数据流子序列匹配准确率在85％以上,明显优于其他算法.
文献关键词：
模糊神经网络;软件定义网络;子序列;特征转换;相似性度量
中图分类号：
作者姓名：
欧群雍;谭同德;冯学晓
作者机构：
郑州工业应用技术学院信息工程学院 郑州451100;郑州大学信息工程学院 郑州451100
文献出处：
引用格式：
[1]欧群雍;谭同德;冯学晓-.基于机器学习的软件定义网络数据流子序列匹配算法)[J].国外电子测量技术,2022(04):70-76
A类：
B类：
基于机器学习,软件定义网络,网络数据,数据流,子序列,序列匹配,匹配算法,相似性度量,序列特征,特征转换,欧氏距离,距离度量,动态规划,距离矩阵,最优路径,改进神经网络,模糊神经网络,参数调节,算法特征,网络参数,平均绝对误差,匹配准确率
AB值：
0.243284
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。
