[发明专利]组合型类不均衡流量分类的特征选择方法

摘要

本发明公开了一种组合型类不均衡流量分类的特征选择方法，采用非搜索型算法利用加权对称不确定性WSU来计算类别与特征之间的相关度，根据特征之间的WSU滤除冗余特征，从而得到第一目标特征集合，可以显著降低后续特征子集筛选的计算复杂度，然后采用SFS算法进一步降低特征的维数，直到特征数增加到指定的维数为止，这样就可以减小样本分布不平衡问题给网络流量分类带来的不良影响，选择出具有强区分能力的特征集合，从而可以显著提高网络流量的分类精度。

主权项

1.一种组合型类不均衡流量分类的特征选择方法，其特征在于，包括：S1：对网络流量样本数据进行统计得到统计结果，每一条网络流量对应的样本数据包括该网络流量所属类别的类别信息以及多个属性特征的取值；S2：根据所述统计结果计算网络流量类别与各属性特征之间的相关度，并基于所述相关度从多个属性特征中进行筛选得到第一目标特征集合；S3：将第二目标特征集合初始化为空集；S4：计算所述第一目标特征集合中每一属性特征的特征评估函数值，将当前计算得到的最大特征评估函数值对应的属性特征加入所述第二目标特征集合；S5：针对所述第一目标特征集合中当前未选入所述第二目标特征集合中的每一未入选属性特征，分别将其与当前所述第二目标特征集合中的属性特征进行匹配，得到与每一未入选属性特征对应的组合特征；S6：计算各组合特征的特征评估函数值，将当前计算得到的最大特征评估函数值对应的未入选属性特征加入所述第二目标特征集合；S7：判断所述第二目标特征集合中的属性特征的数量是否达到预设数量阈值，如是，转至S8，否则，转至S5；S8：将当前所述第二目标特征集合中的属性特征作为用于进行网络流量分类的特征。