融合變分自編碼器與自適應(yīng)增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類模型

摘要： 網(wǎng)絡(luò)流量分類問題一直是一種隨著網(wǎng)絡(luò)通信發(fā)展而不斷迭代方法的難題，發(fā)展至今已有多種解決方法。目前對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類時(shí)大多數(shù)方法會(huì)將目光聚集在種類均衡的數(shù)據(jù)集上以便于實(shí)驗(yàn)和計(jì)算。針對(duì)大部分現(xiàn)實(shí)網(wǎng)絡(luò)數(shù)據(jù)集仍不平衡的問題，提出一種融合變分自編碼器（VAE）與自適應(yīng)增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)（AdaBoost-CNN）的網(wǎng)絡(luò)流量分類模型VAE-ABC (Variational AutoEncode... （共8頁）