[發明專利]一種具有最優個體收斂速率網絡流量分類方法有效
| 申請號： | 201811051712.0 | 申請日： | 2018-09-10 |
| 公開（公告）號： | CN109344204B | 公開（公告）日： | 2020-05-19 |
| 發明（設計）人： | 潘志松;陶蔚;陶卿;王彩玲;丁鈺;段曄鑫;易磊;曹軼君 | 申請（專利權）人： | 中國人民解放軍陸軍工程大學 |
| 主分類號： | G06F16/28 | 分類號： | G06F16/28 |
| 代理公司： | 常州佰業騰飛專利代理事務所(普通合伙) 32231 | 代理人： | 滕詣迪 |
| 地址： | 210014 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 具有 最優 個體 收斂 速率 網絡流量 分類 方法 | ||
1.一種最優個體收斂速率網絡流量分類方法，包括以下步驟：
(1)輸入網絡流量數據，進行預處理工作，并劃分訓練樣本與測試樣本；
將Moore數據集轉換為一個二分類數據集，使用WWW流量作為正樣本，使用其他流量作為負樣本；
(2)隨機抽取訓練樣本，采用隨機一階梯度算法進行訓練模型；
所述的隨機一階梯度算法的具體步驟為：
步驟21、首先初始化權值w0，θ0；
步驟22、每一輪迭代都只隨機抽取一個訓練樣本；
步驟23、計算抽取樣本對應目標函數的次梯度
步驟24、進行算法循環迭代：t＝1,2,...,10000，
其中，yt表示算法在第t輪迭代中求解梯度的位置，θ是一種權重參數，這里取a和γ均為步長參數，at為常數取1，·表示內積運算，的下標i表示隨機抽取樣本的序號，表示對目標函數進行次梯度運算；B(·)表示Bregman函數，為(二范數的平方)；
步驟25、輸出新一輪的權值wt+1，并計算目標函數l(wt+1)和個體收斂速率l(wt+1)-l(w*)
(3)訓練的輸出結果是權值w，w向量的非零元素所對應的特征即對于網路流量分類有用的特征，然后計算目標函數值和個體收斂速率；
步驟(3)中隨機一階梯度優化方法包括以下步驟：
假設訓練樣本集S是一些獨立同分布樣本組成，目標函數可以表示為：
其中li(w)是對應樣本(xi,yi)的損失函數，Q有界閉凸集合，記w*是問題(1)的一個最優解；
個體收斂速率可以表示為：
l(wt)-l(w*) (2)；
所述的損失函數采用非光滑hinge損失函數li(w)＝max{0,1-yi＜w,xi＞}；
(4)用測試樣本對訓練好的模型進行測試，計算分類精度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍陸軍工程大學，未經中國人民解放軍陸軍工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811051712.0/1.html，轉載請聲明來源鉆瓜專利網。
