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

, \. D0 B; n2 l; G, }

9 f) T$ ~; J8 E! d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
5 Z! m: s! a+ m( G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
92.05%提高到 96.18%。

0 R8 D( S) I/ E' e# X3 t
1 T$ L8 p  o3 i. M