文献

J-GLOBAL ID：201802267375024265   整理番号：18A1449379

t分布混合モデルに基づく半教師つきネットワークフロー分類手法【JST・京大機械翻訳】

Semi-supervised network traffic classification based on t-distribution mixture model

著者 (3件)： Dong Yuning (南京郵電大学 通信与信息工程学院,南京,210003) ,  Zhu Shansheng (南京郵電大学 通信与信息工程学院,南京,210003) ,  Zhao Jiajie (南京郵電大学 通信与信息工程学院,南京,210003)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 54  号： 10  ページ： 31-38  発行年： 2018年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のガウス分布はデータサンプルのエッジ値と異常値ノイズの影響を受けやすいので,既存のGauss混合モデルの代わりにt分布を使用する。期待値最大化(EM)アルゴリズムを用いて,ネットワークフローデータサンプルに対するt分布混合モデルのモデリングを行った。EMアルゴリズムの反復回数を減少するために,t分布混合モデルを改良して,理論的および実験的にアルゴリズムの効率性を検証して,ネットワークマルチメディアトラフィックの分類を研究した。実験結果は,提案したアルゴリズムにはより高い分類精度があり,従来のK-Meansアルゴリズムと従来のGauss混合モデルのEMアルゴリズムより優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  異常値 ,  *ネットワーク ,  *t分布 ,  正規分布 ,  アルゴリズム ,  モデリング ,  マルチメディア
準シソーラス用語： 分類精度 ,  EMアルゴリズム ,  Gauss混合モデル ,  *ネットワークフロー ,  *混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： internet traffic classification ,  t-distribution mixture model ,  Expectation Maximization(EM)algorithm ,  semi-supervised learning

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： t分布 ,  混合モデル ,  教師 ,  ネットワークフロー ,  分類 ,  手法