一种具有最优个体收敛速率网络流量分类方法

摘要

本发明涉及一种具有最优个体收敛速率网络流量分类方法，它是一种新型的的随机一阶梯度算法，可以解决大规模网络数据分类问题。包括：输入网络流量，进行必要的预处理工作，划分训练样本与测试样本；每一轮迭代都只随机抽取一个训练样本，采用一种具有最优个体收敛速率的分类算法进行训练模型，计算每一轮迭代的具有稀疏性的权值w，根据w可以进一步计算目标函数值和个体收敛速率；最后用测试样本进行模型的测试，得到网络流量分类的精度。本发明提出一种网络流量分类方法，具有个体最优收敛速率，并且可以有效解决大规模网络流量分类、识别问题。无需进行特定协议解析，并且可以实时反映数据中对分类起作用的特征，因此所采用的方法具有一定通用性。