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

. h' w) ^6 R; ~+ 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
: @) `, e! t  H2 S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，
/ [. }! R, `& y& q; K1 X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，
" s* J8 Q1 d4 ]- B$ l0 m* n" T* u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 J) B$ X0 K. L5 A92.05%提高到 96.18%。


1 l! H1 O( C) k  N/ a