论文部分内容阅读
将相关向量机（RVM）分类模型应用于网络流量分类问题中。首先对实验数据进行了标准化处理，然后将RVM与其他机器学习算法进行了性能比较，最后在RVM分类结果预测概率中引入置疑区间概念，研究了置疑区间范围及其对分类准确性的影响，并基于此提出了一种新的混合流量分类方法。实验结果表明：1） RVM在准确性等3方面性能指标上优于SVM，且在小样本情况下仍具有较高的分类准确率；2）置疑区间[0.1,0.9]内的分类预测准确率较低，而置疑区间之外的分类预测准确率在98%以上。