摘要：引入类均值向量度量及αβ指数分布方法，旨在提高分类正确率的基础上，克服由于抽样而带来的对分类结果的影响。利用流记录NOC—SET为DATASET，并以NETFLOW固有的测度和少量扩展测度为属性，利用所提出的FBRI（Flow behavior identification）属性选择算法对经典的机器学习算法进行流量识别。实验结果表明：任意比例的抽样对于采用FBRI属性选择的评估结果基本一致，并且利用FBRI属性选择算法可以提高应用识别正确率。

原文链接:http://www.cqvip.com//QK/90976X/201111/39929339.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）