[發(fā)明專利]網(wǎng)絡(luò)流量數(shù)據(jù)分類方法、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910362456.5
• 申請(qǐng)日: 2019-04-30
• 公開（公告）號(hào): CN110097120B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設(shè)計(jì)）人: 徐小龍;蔣帥
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

1.一種網(wǎng)絡(luò)流量數(shù)據(jù)分類方法，其特征在于，包括以下步驟：

(1)獲取系統(tǒng)的真實(shí)數(shù)據(jù)集和網(wǎng)絡(luò)流量數(shù)據(jù)訓(xùn)練集；

(2)將數(shù)據(jù)集中的離散型數(shù)據(jù)轉(zhuǎn)換為數(shù)值型數(shù)據(jù)；

(3)將數(shù)據(jù)集的數(shù)值型數(shù)據(jù)進(jìn)行歸一化；

(4)從數(shù)據(jù)集中計(jì)算特征-類別和特征-特征相關(guān)矩陣，用最佳優(yōu)先搜索方法得到特征子集空間，最佳優(yōu)先搜索方法具體為：

(41)使用啟發(fā)式方程計(jì)算第i個(gè)特征向量的估計(jì)值Merit，

其中，l為特征子集包含特征向量的個(gè)數(shù)，z是第i個(gè)特征向量所對(duì)應(yīng)的類別，是特征與類別之間的相關(guān)系數(shù)的平均值；是特征與特征之間的相關(guān)系數(shù)的平均值；

(42)建立Merit最大的l個(gè)特征向量組成的特征子集空間；

(5)通過計(jì)算特征子集空間中特征向量與對(duì)應(yīng)的特征值，使用特征值大的特征向量對(duì)特征子集空間進(jìn)行降維；

(6)計(jì)算步驟(5)所得特征子集空間中網(wǎng)絡(luò)流量數(shù)據(jù)訓(xùn)練集的特征向量和真實(shí)數(shù)據(jù)集的特征向量間的歐氏距離，選取網(wǎng)絡(luò)流量數(shù)據(jù)訓(xùn)練集中歐式距離最小的幾個(gè)數(shù)據(jù)，確定其所在類別的出現(xiàn)頻率，將出現(xiàn)頻率最高的類別作為所述真實(shí)數(shù)據(jù)的預(yù)測(cè)分類。

2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)流量數(shù)據(jù)分類方法，其特征在于，步驟(5)中進(jìn)行降維的方法具體為：計(jì)算特征子集空間矩陣X的協(xié)方差矩陣，將協(xié)方差矩陣的特征向量按照對(duì)應(yīng)特征值從大到小排列，取最大的t個(gè)特征值對(duì)應(yīng)的特征向量組成矩陣P，Y＝PX即為降維到t維后的特征子集空間。

3.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)流量數(shù)據(jù)分類方法，其特征在于，步驟(6)中所述歐式距離d的計(jì)算公式為：

其中，a_i為特征子集空間中網(wǎng)絡(luò)流量數(shù)據(jù)集的特征向量的第i列的特征值，b_i為特征子集空間中訓(xùn)練數(shù)據(jù)集的特征向量的第i列的特征值，n表示特征向量的特征維度。

4.一種電子設(shè)備，包括計(jì)算機(jī)存儲(chǔ)器和處理器，所述的存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被所述處理器執(zhí)行時(shí)，使得處理器執(zhí)行如權(quán)利要求1至3任一項(xiàng)所述的網(wǎng)絡(luò)流量數(shù)據(jù)分類方法。

5.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述的計(jì)算機(jī)程序在被計(jì)算機(jī)處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至3任一項(xiàng)所述的網(wǎng)絡(luò)流量數(shù)據(jù)分類方法。