文献

J-GLOBAL ID：201802272067246405   整理番号：18A0517903

機械学習アルゴリズムを用いた初期段階トラフィック分類における誘導電動機応用のためのロバストな特徴選択【Powered by NICT】

Robust Feature Selection for IM Applications at Early Stage Traffic Classification Using Machine Learning Algorithms

著者 (3件)： Shafiq Muhammad ,  Yu Xiangzhan ,  Wang Dawei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： HPCC/SmartCity/DSS  ページ： 239-245  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 早期で正確にネットワークトラヒックの同定はネットワークトラヒック管理とアプリケーショントラヒック分類にとって非常に重要である。近年では,これはその初期段階で交通を同定するための非常に熱い話題となっている。一方向および双方向統計的特徴が有効である特徴とインターネットトラヒック分類に広く用いられている。しかし,初期段階でインスタントメッセージング(IM)アプリケーショントラヒック分類のための効果的な特徴を評価し,選択することが重要である。本論文では,初期段階でロバストで効果的な特徴を見出すために興味を持っている。HITとNIMSデータセットに含まれる二種類のネットワーク環境交通データセット上での最初の流れの22統計的特徴を抽出した。有効な特徴を選択するために抽出物の統計的特徴との間で行われ相互情報。さらにロバストな特徴を選択するために,相互情報量によって達成された結果からのロバストなかつ安定した特徴を選択する最良探索評価を用いた属性選択cfsSubsetEvalを実行した。また,十の良く知られた機械学習分類器を実行した。著者らの実験結果は,max_fpktl,std_bpktl,max_biat,mean_fpktl,mean_bpktlとmin_biat特徴は早期トラフィック分類でロバストな特徴であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *特徴選択 ,  インターネット ,  *誘導電動機 ,  ネットワーク ,  相互情報量 ,  応用プログラム ,  *学習アルゴリズム ,  *機械学習 ,  *ロバスト性
準シソーラス用語： 属性選択 ,  ネットワーク環境 ,  インスタントメッセージング ,  統計的特徴 ,  *トラフィック分類 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  計算機網  (JC03000K)

タイトルに関連する用語 (8件)： 機械学習 ,  アルゴリズム ,  初期段階 ,  トラフィック分類 ,  誘導電動機 ,  応用 ,  ロバスト ,  特徴選択