一种基于 BP网络的流量分类方法 (2010年)

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于 BP 网络的流量分类方法。该方法改进了标准的 BP网络算法,采用基于 Lyapunov函数得到的自适应学习 率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过 程。实验结果表明,采用改进的 BP网络算法来处理网络流量分类问题具有明显的优势:该方法的收 敛速度和拟合精度均优于标准 BP算法,而且流量分类准确率高于 NB算法。