[发明专利]一种基于灰狼算法的网络流量分类方法及装置

权利要求书

1.一种基于灰狼算法的网络流量分类方法，其特征在于，包括：

S1：通过小波包变换对网络流量数据进行多层次和多尺度预处理分解；

S21：接收分解后的n个网络流量时间序列信号数据、网络流量时间序列信号数据的c个聚类构成的聚类集、网络流量时间序列信号数据的第j个网络流量时间序列信号数据x_j对网络流量时间序列信号数据的聚类集的第i个聚类的隶属度u_ij、人工灰狼种群、最大迭代次数Maxgen，对网络流量时间序列信号数据进行归一化处理，对人工灰狼种群中的每个人工灰狼粒子进行拆分成c个聚类，通过第j个网络流量时间序列信号数据对第i个聚类的隶属度u_ij把n个网络流量时间序列信号数据分到不同的每个人工灰狼粒子的聚类中，通过预定的适应度公式计算每个人工灰狼粒子的适应度值，每个人工灰狼粒子对网络流量时间序列信号数据所处空间横向向量和纵向向量分别通过预定的人工灰狼粒子在空间横向向量和纵向向量的位置迭代公式分别进行横向迭代寻优和纵向迭代寻优；

S22：判断每个人工灰狼粒子是否满足最大的迭代次数Maxgen，若是，则寻优结束，并将人工灰狼种群中适应度值最好的一组人工灰狼粒子进行拆分成c个聚类，通过第j个网络流量时间序列信号数据对第i个聚类的隶属度u_ij把n个网络流量时间序列信号数据分到不同的适应度值最大的一组人工灰狼粒子的聚类中，并输出n个网络流量时间序列信号数据的聚类结果，若否，则每个人工灰狼粒子继续对网络流量时间序列信号数据所处空间横向向量和纵向向量分别通过预定的人工灰狼粒子在空间横向向量和纵向向量的位置迭代公式分别进行横向迭代寻优和纵向迭代寻优。

2.根据权利要求1所述的基于灰狼算法的网络流量分类方法，其特征在于，所述步骤S1具体包括：

通过低通滤波器H和高通滤波器G，通过小波包变换对n个网络流量时间序列信号数据分解为一层低频信号序列组和高频信号序列组，将一层所述低频信号序列组和所述高频信号序列组通过预定的分解函数和重构函数分别分解为下一层的两个低频信号子序列组和两个高频信号子序列组。

3.根据权利要求1所述的基于灰狼算法的网络流量分类方法，其特征在于，所述步骤S1之前还包括：

S0：接收网络流量数据。

4.一种基于灰狼算法的网络流量分类装置，其特征在于，包括：

分解单元，用于通过小波包变换对网络流量数据进行多层次和多尺度预处理分解；

分类单元，用于通过新型群智能算法-灰狼横纵多维混沌寻优算法优化FCM聚类算法模型，通过FCM聚类算法模型对分解后的网络流量数据进行分类；

所述分类单元具体包括：

接收子单元，具体用于接收分解后的n个网络流量时间序列信号数据、网络流量时间序列信号数据的c个聚类构成的聚类集、网络流量时间序列信号数据的第j个网络流量时间序列信号数据x_j对网络流量时间序列信号数据的聚类集的第i个聚类的隶属度u_ij、人工灰狼种群、最大迭代次数Maxgen；

归一化处理子单元，具体用于对网络流量时间序列信号数据进行归一化处理；

第一拆分子单元，具体用于对人工灰狼种群中的每个人工灰狼粒子进行拆分成c个聚类；

第二拆分子单元，具体用于通过第j个网络流量时间序列信号数据对第i个聚类的隶属度u_ij把n个网络流量时间序列信号数据划分到不同的每个人工灰狼粒子的聚类中；

计算子单元，具体用于通过预定的适应度公式计算每个人工灰狼粒子的适应度值；

横向寻优子单元，具体通过每个人工灰狼粒子对网络流量时间序列信号数据所处空间横向向量通过预定的人工灰狼粒子在空间横向向量的位置迭代公式进行横向迭代寻优；

纵向寻优子单元，具体通过每个人工灰狼粒子对网络流量时间序列信号数据所处空间纵向向量通过预定的人工灰狼粒子在纵向向量的位置迭代公式进行纵向迭代寻优。