基于深度集成学习的流量分类方法及设备
基本信息
| 申请号 | CN202210368740.5 | 申请日 | - |
| 公开（公告）号 | CN114692772A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114692772A | 申请公布日 | 2022-07-01 |
| 分类号 | G06K9/62（2022.01）I;G06N20/20（2019.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;H04L9/40（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 廖年冬;邓秋霞 | 申请（专利权）人 | 长沙理工大学 |
| 代理机构 | 北京细软智谷知识产权代理有限责任公司 | 代理人 | - |
| 地址 | 410000湖南省长沙市天心区万家丽南路2段960号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请涉及一种基于深度集成学习的流量分类方法及设备，方法包括：对原始数据集进行预处理，得到处理后数据集。对处理后数据集进行特征过滤，得到特征过滤后数据集。基于多种特征选择方法对特征过滤后数据集进行筛选，得到各特征选择方法对应的样本子数据集。基于预设的集成学习模型分别对各样本子数据集进行学习分类，集成学习模型中至少包括两种分类器。对集成学习模型中各分类器的输出进行投票集成得到原始数据集的最终分类类别。本申请中通过多种特征选择方法的集成能提高被选特征的置信度；且集成学习模型中包括多种分类器，能综合多种同质、异质深度学习算法的优势，使得模型之间相互矫正，降低了误报漏报率，具有较高的实用价值。 |
