首页 > 期刊 > 自然科学与工程技术 > 信息科技 > 电子信息科学综合 > 计算机与数字工程 > 一种基于机器学习的P2P网络流量识别算法研究 【正文】
摘要:为提高P2P网络流量识别的准确率,针对Elman神经网络预测精度受其权值和阈值选择的影响,论文运用蜻蜓算法对Elman神经网络的权值和阈值进行优化选择,提出一种基于DA-Elman的机器学习的P2P网络流量识别模型。将TCP流量比例、连接数与不同IP数目的比值、平均数据包长度、上行流量比例、数据包总数5个特征属性作为DA-Elman模型的输入,网络流量类型作为DA-Elman的输出。与PSO-Elman、GA-Elman和Elman相比,研究结果表明,DA-Elman可以有效提高P2P网络流量识别的准确率,其准确率高达98.4252%,为P2P网络流量的识别提供新的方法和途径。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社