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

$ ~7 D, s$ h9 W4 z& a2 B- G- |
" |, k0 ?3 V8 j) I
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
4 H2 l) J, t2 e% ], F, {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，
' \' b. t2 I8 I8 f% T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
* B0 J- L1 w2 ]  r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
7 K' X2 J. y% x4 X( T2 K1 i2 a92.05%提高到 96.18%。

  t2 h# d2 z6 W( v0 u/ E5 }