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

* V9 R6 W1 r0 g, g3 ?. @" Z/ w
  v& s5 s* f8 p) \$ M8 z0 A
0 ~0 s+ f6 w5 j0 N: _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
3 ~/ k) m4 B7 b, J; l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，
* s. m5 \; l" L5 z- J! R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
3 X) m4 L, v+ A6 X9 A92.05%提高到 96.18%。