一种基于残差网络的改进网络流量分类算法
一种基于残差网络的改进网络流量分类算法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,
训练后的模型也能更加准确。仿真结果表明:改进后的算法比常规的神经网络表现更佳,分类准确度从
92.05%提高到 96.18%。
页:
[1]