一种基于残差网络的改进网络流量分类算法

杨利霞

一种基于残差网络的改进网络流量分类算法

. k: j) m2 K! A5 U" z* y8 K" y9 T
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，
3 ]: i+ L2 e7 Y! y8 ^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
  }5 S6 \" {; @4 ~; P. f2 _" z92.05%提高到 96.18%。
* \( K6 b% P& y' t( E8 b, n% a
) S' e* w) R$ V, D7 R, j
5 ^! k. j, `6 H2 Z3 _1 N