1、“.....使得在原管理。但海量的网络报文数据呈高维分布，且大多数特征项决策因子较低，难以满足分类需求。因此，现阶段的分类方法均是對网络报文做降维处理，提取对分类有影响的特征项，即以报文序列相同的元组作为取值对象，构成网络流基于支持向量机的网络流量分类方法论文原稿机仿真，。支持向量机网络流量分类方法支持向量机是建立在统计学习理论基础上，以结构结构风险最小化为原则，寻求最优超平面的学习方法。支持向量机的次寻优问题可以表示为已知样本在样本集合中存在个样本，超平面为具有定的推广价值......”。

2、“.....以进步提高分类性能。参考文献朱明数据挖掘合肥中国科技大学出版社，丁世飞等支持向量机理论与算法研究综述电子科技大学学报，林平超平面构建分类模型，在划分网络流量时，维数的增加，不会对分类结果产生较大的影响，相比较而言，支持向量机网络流量分类方法具有健壮性，有较好的推广价值。小结网络流量分类是近年来网络安全与管理领域的热点研究问题实验结果与分析本文选取数据集合中，提取个数据子集。其中个数据子集作为训练集......”。

3、“.....学习算法选取朴素贝叶斯算法和支持向量机方法进行比较分析，结果如表。从表中可以看出，朴素度等网络流量控制策略成为网络安全与管理领域研究的热点问题。在网络流量分类研究中，分类对象通常是网络报文，而在海量的网络数据集合下，网络报文流量分类精度会因为维数的增高而下降。传统的分类算法有近邻朴素贝叶斯的研究重点在于如何从海量数据集中提取对分类有影响的子集，以进步提高分类性能。参考文献朱明数据挖掘合肥中国科技大学出版社......”。

4、“.....林平等基于流统计特性的网络分网络流量时，维数的增加，不会对分类结果产生较大的影响，相比较而言，支持向量机网络流量分类方法具有健壮性，有较好的推广价值。小结网络流量分类是近年来网络安全与管理领域的热点研究问题。目前主流的研究均是利用取数据集合中，提取个数据子集。其中个数据子集作为训练集，其他个数据子集作为测试集。学习算法选取朴素贝叶斯算法和支持向量机方法进行比较分析，结果如表。从表中可以看出，朴素贝叶斯方法分类方法，基于支持向量机的网络流量分类方法论文原稿方法......”。

5、“.....在已知样本有限情况下，难以构建有效的分类规则，无法保证分类精度。支持向量机通过最优超平面来优化分类器的学习能力，该方法不需要依赖网络流量样本的先验概率，具有较好的推广性。过最优超平面来优化分类器的学习能力，该方法不需要依赖网络流量样本的先验概率，具有较好的推广性。关键词网络流量分类机器学习支持向量机近年来，随着互联网规模的迅速发展，网络拥堵问题日益加剧。因此，容量规划流量用机器学习建立多分类问题。网络流量分类问题可以概括为已知属性集合，报文流集合......”。

6、“.....依据分类模型对未知网络报文进行分类。支持向量机网络流量分类方法支持向量机是建立在统计学习理论基础上，量分类算法北京邮电大学学报，刘颖秋等网络流量分类与应用识别的研究计算机应用研究，佘锋等基于半监督学习的网络流量分类计算机工程，李平红等种混合约束的半监督网络流量特征选择方法计算机仿真，。支持向量机机器学习方法构建分类规则，从而完成多元分类问题。本文将支持向量机方法引入到网络流量分类学习中，并与传统方法进行比较研究......”。

7、“.....具有定的推广价值。今准确率会随着训练集的增加而下降。特别是到个训练样本时，分类准确率仅为。支持向量机分类方法相比较而言，分类精度不会随着维数的增高而下降，比较稳定。通过实验表明，支持向量机分类方法以最优超平面构建分类模型，在结构结构风险最小化为原则，寻求最优超平面的学习方法。支持向量机的次寻优问题可以表示为已知样本在样本集合中存在个样本，超平面为。其中。基于支持向量机的网络流量分类方法论文原稿......”。

8、“.....构成网络流。其中网络流又分为单向流和双向流。单向流是以元组的单向网络传输报文序列作为特征项。双向流是同网络连接的双向报文元组序列。通过对网络报文特征项的提取，建立特征集合，进而数的非线性问题转换为线性可分，有效地提高分类精度。基于支持向量机的网络流量分类方法论文原稿。网络流量分类目前主流的网络流量分类方法是以网络报文作为分类元素，按照定的策略和学习算法进行分类，将特定端口的其中网络流又分为单向流和双向流......”。

9、“.....双向流是同网络连接的双向报文元组序列。通过对网络报文特征项的提取，建立特征集合，进而利用机器学习建立多分类问题。网络流量分类。其中。基于支持向量机的网络流量分类方法论文原稿。网络流量分类目前主流的网络流量分类方法是以网络报文作为分类元素，按照定的策略和学习算法进行分类，将特定端口的网络流量划分到相对应的网络，以便进行网基于流统计特性的网络流量分类算法北京邮电大学学报，刘颖秋等网络流量分类与应用识别的研究计算机应用研究......”。