轻工学报

作者：王宣立, 张安琳, 黄道颖, 董帅, 刘江豪

单位：1.郑州轻工业大学计算机与通信工程学院,河南郑州450001;2.郑州轻工业大学工程训练中心,河南郑州450001

关键词：软件定义网络, 网络流量分类, 机器学习, 梯度提升决策树, Moore数据集

基金：河南省重点科技攻关项目（132102210418）

为对比分析软件定义网络（SDN）环境下不同机器学习算法的网络流量分类效果，对Moore数据集进行了平衡处理，在机器学习平台RapidMiner上对K-近邻（KNN）、随机森林（RF）、支持向量机（SVM）和梯度提升决策树（GBDT）4种经典机器学习算法选取不同的分类特征进行分类实验.实验结果表明，较其他3种算法，GBDT算法可以在较短的时间内获得更好的分类效果.

来源：2020年第4期

《轻工学报》期刊编辑部

查看轻工学报杂志2020年第4期