[发明专利]一种基于增量聚类算法的在线流量识别方法在审
| 申请号： | 201810769817.3 | 申请日： | 2018-07-13 |
| 公开（公告）号： | CN109067612A | 公开（公告）日： | 2018-12-21 |
| 发明（设计）人： | 苘大鹏;杨武;王巍;玄世昌;吕继光;甘志雄 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | H04L12/26 | 分类号： | H04L12/26;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于网络技术领域，具体涉及一种基于增量聚类算法的在线流量识别方法。包括离线识别阶段和在线识别阶段，离线识别阶段将预先准备的训练数据集使用基于改进K均值算法的半监督学习流量算法进行初步的聚类和映射工作，得到初步分类完成的数据集；在线识别阶段基于离线识别阶段所形成的已完成聚类和映射的数据集，对在线新加入的数据流进行增量聚类来判断其网络应用类型，从而达到流量识别的目的。本方法基于机器学习技术，通过构建合适的识别模型对预先准备的数据进行学习，可以实时对在线流量进行增量聚类，结合预先准备的训练集进行初步的半监督分类，可以实现网络流量的在线识别，具有良好的实时性和较高的识别率。 | ||
| 搜索关键词： | 聚类 在线识别 离线 在线流量识别 聚类算法 数据集 映射 网络技术领域 网络应用类型 半监督学习 训练数据集 基于机器 均值算法 流量识别 流量算法 网络流量 在线流量 数据流 半监督 实时性 识别率 训练集 分类 构建 学习 改进 | ||
【主权项】：
1.一种基于增量聚类算法的在线流量识别方法，其特征在于，包括以下步骤：步骤1、离线识别阶段对预先准备的训练数据集提取所需流量特征属性完成数据集的预处理。步骤2、使用基于改进K均值算法的半监督学习流量方法对预处理后的数据集进行初步的聚类和映射工作，得到初步分类完成的数据集。步骤3、对在线新加入的数据流进行实时的特征提取以得到增量聚类的数据对象。步骤4、在已形成的完成聚类和映射的数据集的基础上，使用增量聚类来判断流量的网络应用类型，从而达到流量识别的目的。步骤5、定期删减不属于所要识别的网络应用类型所对应的类簇的点或者距每个类簇中心较远的数据对象，得到新的数据集，转到步骤3，达到持续识别在线流量的目的。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810769817.3/，转载请声明来源钻瓜专利网。
