抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】