文献类型：期刊文章

作　　者：黄金铃[1]

HUANG Jin-ling(Information Technology Office,Shanghai Normal University,Shanghai 200234,China)

机构地区：[1]上海师范大学信息化办公室,上海200234

出　　处：《沈阳工业大学学报》

基　　金：国家自然科学基金青年科学基金项目(61702333).

年　　份：2022

卷　　号：44

期　　号：2

起止页码：209-213

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提升P2P流量的识别精度与控制效果,提出了深度学习算法的P2P流量识别与控制方法.采用P2P流量数据训练深度学习算法的BP神经网络,根据训练好的神经网络对训练样本进行预分类,得到包含各服务流量特征的预分类结果.将预分类结果作为P2P流量聚类中心值,通过聚类算法检测P2P流量样本数据,得到P2P流量识别结果.采用分形自回归综合滑动平均模型分析P2P流量控制机制.结果表明,该方法的识别性能稳定、识别结果精度较高,有效降低了流量传输的丢包率,可对P2P流量传输进行稳定控制.

关 键 词：P2P流量识别 流量控制 神经网络  聚类算法  自相似模型 聚类中心 深度学习  检测样本  

分 类 号：TP393.07]