一种基于残差网络的改进网络流量分类算法
Study on Optical Communications（2021）
摘要
基于卷积神经网络的网络流量分类算法中,为了提高分类准确度,其结构设计日趋复杂,容易出现梯度下滑甚至梯度消失,导致预测准确度不升反降.文章提出了一种基于残差网络的改进流量分类算法,引入残差网络层代替传统卷积神经网络中的卷积层和池化层,不仅缓解了传统卷积网络因层次太深导致难以训练的问题,同时与传统卷积运算相比,所提出的残差网络在训练时学习到的数据特征信息更加全面,训练后的模型也更加准确.仿真结果表明,改进后的算法比常规的神经网络算法表现更佳,分类准确度从92.05％提高到了96.18％.
更多查看译文
关键词
network traffic classification,convolutional neural network,residual network
原文链接
分享
引用
