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

  i! W3 e8 k- l  @. u6 k9 ]
9 S5 S3 U6 Y3 r# I( s  D
; E' k8 ~- m: _  K; a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
+ u) o' x- W% {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，
- ^; s- t8 p( {1 I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
# P% ?% }3 V4 ?/ u" U- T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，
0 w0 }% n* ?) `# q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
  _% K5 n: \& c" H" E: }1 C' f92.05%提高到 96.18%。


2 L7 |- g2 _0 O1 r7 k) f* ^6 I